GRAPH ATTENTION NETWORKS
【GATs】
本文提出了图注意力网络(GATs),这是一种新的作用在图结构数据上的神经网络框架。
作者利用注意力机制已达到对节点分类的任务取得更好的效果。
Cora数据集:
包含2708个节点,每个样本点都是一篇科学论文,5429个边
每篇论文都由一个1433维的词向量表示,即每个节点1433个特征。
GAT 网络架构
通过堆叠单个的图注意力层(Graph Attentional Layer)来构建任意的图注意力网络。
单个图注意力层(Graph Attentional Layer)
输入:图中所有节点特征向量的集合
N 是图中总结点数, F是每个节点的特征数
输出:图中节点更新后的特征向量的集合(更新后新的特征向量的维数可能与之前的特征向量维数不同)
步骤
一、Input :
例如:输入h1,h2,h
GRAPH ATTENTION NETWORKS
最新推荐文章于 2024-04-22 08:20:25 发布
本文介绍了图注意力网络(GATs),一种用于处理图结构数据的神经网络框架。GAT通过图注意力层堆叠实现,每个层内利用注意力机制增强节点特征表示。在Cora数据集上,GAT展示出在节点分类任务中的优越性能。网络结构包括线性变换、注意力系数计算、softmax标准化以及多头注意力机制以提升模型稳定性。
摘要由CSDN通过智能技术生成