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