图神经网络（二十九）Large-Scale Learnable Graph Convolutional Networks

本文收录于KDD2018，作者来自于华盛顿州立大学。这篇文章也比较老了，也经常看到，了解一下思想。与当前我们所熟知的GCN、GAT等利用聚合一个节点的不规则邻域信息来获得graph embeeding不同，这篇文章的主要核心思想是将CNN直接运用到图卷积算法上，使得我们的图卷积成为一种规则的卷积运算。接下来作者还提出了一种子图训练方法，以此来解决大规模图数据占用过多内存的问题。

Model

文章比较老了，直接来看一下模型部分，要想让CNN直接用在图数据上，需要解决图数据的两个问题：

1. 一个节点的邻域不是固定的，无法用通用卷积核来进行卷积
2. 邻域节点不是有序的

以往的GCN等模型都是通过修改原始的卷积运算，使其适合于图形数据，本文通过对图进行变换以支持规则卷积的使用，具体来说，转换方式如下：

对于一个中心节点 v v