本文为图神经网络的学习笔记,讲解多核卷积拓扑图 TAGCN。欢迎在评论区与我交流 👏
前言
用 Tensorflow 构建 GCN 的变体 TAGCN 模型进行节点分类任务。
TAGCN 简介
TAGCN 是 GCN的变体之一,全称 TOPOLOGY ADAPTIVE GRAPH CONVOLUTIONAL NETWORKS(TAGCN)。相比于 GCN 对卷积核进行 Chebyshev 多项式近似后取 k=1,TAGCN 用 k 个图卷积核来提取不同尺寸的局部特征,并且将 k 保留下来作为超参数。其中的 K 个卷积核的感受野分别为 1 到 K,类似于 GoogleNet 中每一个卷积层都有大小不同的卷积核提取特征。
卷积过程如下:
- 对邻接矩阵进行归一化处理: A = D − 0.5 ( I + A ) D − 0.5 A=D^{-0.5}(I+A)D^{-0.5} A=D−0.5(I+A)D−0.5
- G j ( l ) G_j^{(l)} Gj(l) 多项式卷积核, g j , k ( l ) g_{j,k}^{(l)} gj,k(l) 是多项式系数,相比于 GCN 保留了超参数 K K K: G j ( l ) = ∑ k = 0 K g j , k ( l ) A k G_j^{(l)}=\sum\limits_{k=0}^K g_{j,k}^{(l)}A^k Gj(l)