关于图卷积的一点思考

其实这篇博客是为了凑数的，我就是看11月貌似没有新的博客，所以把最近稍微看了的内容粗略整理一下，那是相当粗略。。。

 

图卷积网络（Graph Convolution Network）从【1】【2】提出以来，发展迅速，主要包括基于谱的方法（spectral-based）和非基于谱的方法（non-spectral based）两类。基于切比雪夫分解的图卷积网络【3】及其类似简化版【4】也是典型的方法。

实际上，从频域角度（基于谱）出发的方法，有很好的理论推导，包括邻接矩阵刻画邻域的内容，这个【5】从随机游走角度出发，很好的解释了这一现象。但实际上，如何确定邻域，是一个重点难点问题，因为如果采用邻接矩阵，那我们图本身就是固定结构了。最近发现腾讯有一篇文章【6】解决这一问题，无奈对采用懂的少，还要细挖一下。

 

【1】Spectral networks and locally connected networks on graphs

【2】Deep convolutional networks on graph-structured data

【3】Convolutional neural networks on graphs with fast localized spectral filtering

【4】Semi-supervised classification with graph convolutional networks

【5】Diffusion-convolutional neural networks

【6】Adaptive Sampling Towards Fast Graph Representation Learning