图神经网络入门(五)不同类型的图

本文是清华大学刘知远老师团队出版的图神经网络书籍《Introduction to Graph Neural Networks》的部分内容翻译和阅读笔记。
个人翻译难免有缺陷敬请指出,如需转载请联系翻译作者
作者:Riroaki
原文:https://zhuanlan.zhihu.com/p/147696322

目录

  • 往期文章传送门

  • 有向图(Directed Graph)

  • 异构图(HETEROGENEOUS GRAPHS)

  • 带有边信息的图(GRAPHS WITH EDGE INFORMATION)

  • 动态图(Dynamic Graphs)

  • 多重边图(Multi-dimensional Graphs)

往期文章传送门

图神经网络入门(一)GCN 图卷积网络

图神经网络入门(二)GRN 图循环网络

图神经网络入门(三)GAT 图注意力网络

图神经网络入门(四)GRN图残差网络

在此前介绍的所有工作基本上都围绕无向的、节点自带标签信息的简单图结构展开,而这一部分我们将探讨更多种类的图结构与相关的工作。

有向图(Directed Graph)

第一个变种,有向图,在边上增加了方向信息。实例如知识图谱中头实体指向尾实体的关系就是一个有向的边,它说明对两个方向的传播应当区别对待。

关于有向图,这里介绍密集图传播(Dense Graph Propagation,DGP)。对于每个目标节点,它都从其所有后代和祖先那里接收知识信息,为此设计了两个权重矩阵   来引入更精确的结构信息:

在上述传播过程中, 分别是正则化的父节点/子节点邻接矩阵;此外,DGP 提出一种对邻居节点的权重分配方式,可以使不同距离的节点产生不同的影响力:

其中 是邻接矩阵中包含父节点传播 步的子矩阵,而 是邻接矩阵中包含子节点传播

  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值