图神经网络（十八）GEOM-GCN: GEOMETRIC GRAPH CONVOLUTIONAL NETWORKS

本文收录于ICLR2020，作者是吉林大学的杨博老师。我们知道，GCN的本质其实是消息传递神经网络，但是MPNN有着两个基本缺陷限制了其表示图结构信息的能力：丢失邻域中节点的结构信息，以及不能捕获异类图中的长范围依赖关系。为了解决这两个缺陷本文提出了Geom-GCN，其背后的基本思想是图上的聚集可以受益于图下的连续空间。所提出的聚集方案是排列不变的，由节点嵌入、结构邻域和双层聚合三个模块组成。直接看模型：

Model

这篇文章的框架就是这副图，模型主要包括三个部分，节点嵌入，结构邻域和双层聚合。因此本文的核心思想就是将节点映射为连续空间的一个向量，在隐空间查找邻居并进行聚合。

节点嵌入

首先将图中的节点映射到一个潜在的连续空间，文中指的是二维空间，映射方法文中采用了以下三种方法：

• Isom