【论文阅读】从卷积到GCN---《Semi-Supervised Classification with Graph Convolutional Networks》

相关博客

1. 图卷积神经网络理论基础
2. 论文《Semi-Supervised Classification with Graph Convolutional Networks》
3. GNN新手村指南
4. Graph Convolutional Networks：从卷积到GCN

1 图卷积的演变

2 论文模型

3 实验结果

论文在如下几个任务中进行实验

• 在citation network中进行半监督的document classification。
• 在从knowledge graph中提取的bipartite graph中进行半监督的entity classification
  实验数据说明如下
  
  前三个Dataset是citation network数据集，节点表示文档，边表示引用的连接，label rate表示用来有监督训练的节点数量占总节点数量比例，第四个Dataset是bipartite graph数据集。
  结果如下：
  
  可以看出，在比较的几种算法中，论文GCN的在准确率和时间上都最好。