马尔可夫模型 | Python实现GMNN图马尔可夫神经网络模型

---

效果一览

• 半监督对象分类问题。 给定图中的一些标记对象，我们的目标是对未标记的对象进行分类。
  
• 两个图神经网络
  GMNN 使用两个图神经网络，一个用于通过特征传播学习对象表示以改进推理，另一个用于通过标签传播对局部标签依赖性进行建模。

• 优化
  两个 GNN 都使用变分 EM 算法进行优化，这与协同训练框架类似。
  E步

文章概述

马尔可夫模型 | Python实现GMNN图马尔可夫神经网络模型(Graph Markov Neural Networks)

研究内容

GMNN 集成了统计关系学习方法（例如，关系马尔可夫网络和马尔可夫逻辑网络）和图神经网络（例如，图卷积网络和图注意网络），用于半监督对象分类。 GMNN 使用条件随机场来定义以对象特征为条件的所有对象标签的联合分布，并且可以使用伪似然变分 EM 算法（在 E 步和 M 步之间交替）来优化该框架。 在 E 步骤中，我们推断未标记对象的标签，