图神经网络知识图谱推理模型（R-GCN、KBGAT、CompGCN）

R-GCN

通过这幅图可以看清，对于中心红色的节点进行一次卷积，通过聚合邻居节点的信息来更新自身节点的表示。

图中节点vi的更新方式如下：

R为关系结合，N为邻居点集合，c为一个常量（正则化系数），W为参数矩阵

遍历每一种关系下，叠加每一个点的邻居点的特征进行融合，最后加上一层的中心节点特征，经过一个激活函数输出作为中心节点的输出特征

由于关系类型的数量可能非常多，直接对每种关系类型都分配一个参数矩阵，导致参数数量过多，为防止过拟合，提出了两种方法对R-GCN层进行正则化

块对角分解

Wr(r)为块对角矩阵

基数分解法