图注意力网络_【图神经网络】向往的GAT（图注意力模型）

点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要9分钟

跟随小博主，每天进步一丢丢

作者丨superbrother 专栏 | 精通GCN全攻略 整理 | 机器学习算法与自然语言处理 https://zhuanlan.zhihu.com/c_1131513793020334080

0 GRAPH ATTENTION NETWORKS的诞生

随着GCN的大红大紫(可以参考如何理解 Graph Convolutional Network(GCN)？)，graph领域的deep learning研究可谓变得风生水起，人工智能又出现了新的网红。GCN在一系列任务取得了突破性进展的同时，一系列的缺点也逐渐被放大。 深度学习三巨头”之一的Yoshua Bengio组提出了Graph Attention Networks(下述简称为GAT)去解决GCN存在的问题并且在不少的任务上都取得了state of art的效果(可以参考机器之心：深入理解图注意力机制的复现结果)，是graph neural network领域值得关注的工作。

1 聊点基础

登堂入室之前，先介绍三点基础问题。 1.1 Graph数据结构的两种“特征” 当我们说起graph或者network的数据结构，通常是包含着顶点和边的关系。研究目标聚焦在顶点之上，边诉说着顶点之间的关系。 对于任意一个顶点   ，它在图上邻居   ,构成第一种特征，即图的结构关系。

图1 graph示意图

当然，除了图的结构之外，每个顶点还有自己的特征 (通常是一个高维向量)。 它可以使社交网络中每个用户的个体属性；可以是生物网络中，每个蛋白质的性质；还可以使交通路网中，每个交叉口的车流量。 graph上的deep learning方法无外乎就是希望学习上面的两种特征。 1.2 GCN的局限性 GCN是处理transductive任务的一把利器(transductive任务是指：训练阶段与测试阶段都基于同样的图结构)，然而GCN有两大局限性是经常被诟病的： (a)无法完成inductive任务，即处理动态图问题。 inductive任务是指：训练阶段与测试阶段需要处理的graph不同。通常是训练阶段只是在子图(subgraph)上进行，测试阶段需要处理未知的顶点。(unseen node) (b)处理有向图的瓶颈，不容易实现分配不同的学习权重给不同的neighbor。 这一点在前面的文章中已经讲过了，不再赘述，如有需要可以参考下面的链接。

https://zhuanlan.zhihu.com/p/72373094

1.3 Mask graph attention or global graph attention 还有一件事件需要提前说清楚： GAT本质上可以有两种运算方式的，这也是原文中作者提到的

• Global graph attention

顾名思义，就是每一个顶点   都对于图上任意顶点都进行attention运算。 可以理解为图1的蓝色顶点对于其余全部顶点进行一遍运算。 优点： 完全不依赖于图的结构，对于inductive任务无压力 缺点： (1)丢掉了图结构的这个特征，无异于自废武功，效果可能会很差(2)运算面临着高昂的成本

• Mask graph attention

注意力机制的运算只在邻居顶点上进行，也就是说图1的蓝色顶点只计算和橙色顶点的注意力系数。 作者在原文中GAT ARCHITECTURE这一节中写道"We inject the graph structure into the mechanism by performing masked attention—we only compute eij for nodes j ∈Ni, whereNi is some neighborhood of node i in the graph. " 显然作者在文中采用的是masked attention，DGL里实现的也是如此，以下的解读均基于这种方式。

2 GAT并不难懂

和所有的attention mechanism一样，GAT的计算也分为两步走： 2.1 计算注意力系数(attention coefficient) 对于顶点   ，逐个计算它的邻居们(   )和它自己之间的相似系数 解读一下这个公式： 首先一个共享参数 的线性映射对于顶点的特征进行了增维，当然这是一种常见的特征增强(feature augment)方法； 对于顶点   的变换后的特征进行了拼接(concatenate)； 最后   把拼接后的高维特征映射到一个实数上，作者是通过 single-layer feedforward neural network实现的。 显然学习顶点  之间的相关性，就是通过可学习的参数   和映射   完成的。 有了相关系数，离注意力系数就差归一化了！其实就是用个softmax 要注意这里作者用了个   ，至于原因嘛，估计是试出来的，毕竟深度玄学。 上面的步骤可以参考图2进行理解

图2 第一步运算示意图

2.2 加权求和(aggregate) 完成第一步，已经成功一大半了。 第二步很简单，根据计算好的注意力系数，把特征加权求和(aggregate)一下。  就是GAT输出的对于每个顶点  的新特征(融合了邻域信息)，  是激活函数。 式(3)看着还有点单薄，俗话说一个篱笆三个桩，attention得靠multi-head帮！ 来进化增强一下 嗯，这次看起来就很健壮了，multi-head attention也可以理解成用了ensemble的方法，毕竟convolution也得靠大量的卷积核才能大显神威！ 上面的步骤可以参考图3进行理解

图3 第二步运算示意图

3 谈几点深入的理解

3.1 与GCN的联系与区别 无独有偶，我们可以发现本质上而言： GCN与GAT都是将邻居顶点的特征聚合到中心顶点上(一种aggregate运算)，利用graph上的local stationary学习新的顶点特征表达。不同的是GCN利用了拉普拉斯矩阵，GAT利用attention系数。一定程度上而言，GAT会更强，因为 顶点特征之间的相关性被更好地融入到模型中。 3.2 为什么GAT适用于有向图？ 我认为最根本的原因是GAT的运算方式是逐顶点的运算(node-wise)，这一点可从公式(1)—公式(3)中很明显地看出。每一次运算都需要循环遍历图上的所有顶点来完成。逐顶点运算意味着，摆脱了拉普利矩阵的束缚，使得有向图问题迎刃而解。 3.3为什么GAT适用于inductive任务？ GAT中重要的学习参数是 与 ，因为上述的逐顶点运算方式，这两个参数仅与1.1节阐述的顶点特征相关，与图的结构毫无关系。所以测试任务中改变图的结构，对于GAT影响并不大，只需要改变  ，重新计算即可。 与此相反的是，GCN是一种全图的计算方式，一次计算就更新全图的节点特征。学习的参数很大程度与图结构相关，这使得GCN在inductive任务上遇到困境。

---

方便交流学习，备注： 昵称-学校(公司)-方向，进入DL&NLP交流群。 方向有很多： 机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。 记得备注呦 推荐阅读： 【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文 【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency  Parsing 【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译 【一分钟论文】Semi-supervised Sequence Learning半监督序列学习 【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing 详解Transition-based Dependency parser基于转移的依存句法解析器 经验 | 初入NLP领域的一些小建议 学术 | 如何写一篇合格的NLP论文 干货 | 那些高产的学者都是怎样工作的？ 一个简单有效的联合模型 近年来NLP在法律领域的相关研究工作

---

让更多的人知道你“在看”