【KD】实习day07

图网络生成模型的局限性

1. 生成结点数量固定
2. 输出邻接矩阵的规模太大（$n^2$的复杂度）
3. n个结点的图网络有n!个置换不变的邻接矩阵
4. 基于已经生成的边来生成新边

GraphRNN

基于局限性给出的方案

1. 没有给出结点数量任意情况下的生成方案
2. 训练时依次输入一个点的邻接向量（但是依旧是$n^2$的复杂度）
3. 使用广度优先搜索算法，基于每一张图的广度优先搜索出来的结点序列来得到邻接矩阵作为训练输入，减少了训练时需要的置换不变的邻接矩阵
4. 在生成一个结点的所有边时，MLP+sigmoid可以独立生成新边，但是依旧使用边水平RNN来基于已有的边预测新边；作者还提出另一个基于GRU的依赖于之前所有已有的边的预测方法。

疑问

1. 训练过程的目标函数是什么？
   Ans： RNN输出隐含状态矩阵+一层MLP+sigmoid得到一个0到1的输出值，计算输出值与实际label的差距，即为二元交叉熵

Graph Attention Network

Demo截图：