超级会员免费看
本文介绍了GGNN（Gated Graph Sequence Neural Networks），一种结合GRU的图神经网络模型，常见于ICLR2016。GGNN在处理图结构数据时考虑了边的方向，通过节点标注和传播模型进行信息传递。模型基于GRU，通过传播和门控机制更新节点状态，适用于节点分类和图级别分类任务。
本文收录于ICLR2016，作者来自于多伦多大学，文章比较老了，但是很经典。GGNN是一种基于GRU的经典空域模型，一个基本的感觉就是GNN+Gate。我们现在看的大部分GNN模型都是基于消息传递机制的，本文虽然也是消息传递机制，但和我们了解的还是有一点差别的，具体来说：本文中聚合邻域信息时考虑了边的方向。其主要贡献主要在于对输出序列的图神经网络的扩展。官方源码在这，第三方pytorch实现在这，推荐第三方实现的。
GGNN模型和GRU非常像，因此在说本文之前，先简单介绍一下RNN的内容、重点介绍GRU：
RNN
关于RNN、LSTM的知识可以看李宏毅老师的课程，讲的非常好，传送门，这里只简单概括一下。首先介绍一下最简单的RNN模型：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
