圖神經(jīng)網(wǎng)絡(luò)

A Gentle Introduction to Graph Neural Networks

對(duì)圖神經(jīng)網(wǎng)絡(luò)的一個(gè)簡(jiǎn)單介紹

構(gòu)建圖神經(jīng)網(wǎng)絡(luò)需要哪些模塊，以及背后的思想是什么

圖越深的時(shí)候它的點(diǎn)是有它鄰居一起整個(gè)計(jì)算出來(lái)的

如果節(jié)點(diǎn)足夠深，可以處理整個(gè)比較大范圍的圖里面的節(jié)點(diǎn)信息這也是圖神經(jīng)網(wǎng)絡(luò)怎么利用圖的結(jié)構(gòu)化信息來(lái)處理信息的

作者都來(lái)自google research,發(fā)表于Distill上

圖神經(jīng)網(wǎng)絡(luò)還比較新穎，怎樣多塊多好的運(yùn)用在實(shí)際的問(wèn)題上面，還有很多東西可以研究

這篇文章試圖去探索解釋現(xiàn)代的圖神經(jīng)網(wǎng)絡(luò)從四塊去講

第一是什么數(shù)據(jù)可以表示成一張圖

第二圖跟別的數(shù)據(jù)有什么不一樣的地方，為什么要做圖神經(jīng)網(wǎng)絡(luò)還不用最簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)或者別的

第三 構(gòu)建一個(gè)圖神經(jīng)網(wǎng)絡(luò)看一下各個(gè)模塊長(zhǎng)什么樣子

最后，提供一個(gè)GNN的playground

圖是表示實(shí)體之間的一些關(guān)系，實(shí)體就是一個(gè)點(diǎn)，關(guān)系就是一個(gè)邊

文本認(rèn)為是一條序列

把文本表示成一個(gè)圖，其實(shí)是一個(gè)有向的路

圖，空手道圖，文章引用數(shù)圖，知識(shí)圖

圖識(shí)別，對(duì)頂點(diǎn)屬性判斷

數(shù)據(jù)表示成圖

圖級(jí)任務(wù)，分類(lèi)

將神經(jīng)網(wǎng)絡(luò)用在圖上面

怎樣表示連接性

存儲(chǔ)高效，鄰接列表

GNN

GNN是個(gè)對(duì)圖上所有屬性進(jìn)行的可以?xún)?yōu)化的變換保持對(duì)稱(chēng)，使用信息傳遞的神經(jīng)網(wǎng)絡(luò)

GNN輸入一個(gè)圖輸出一個(gè)圖

會(huì)對(duì)屬性進(jìn)行變換但不會(huì)改變頂點(diǎn)連接性

最簡(jiǎn)單GNN

對(duì)于頂點(diǎn)向量、邊向量和全局向量分布構(gòu)造一個(gè)MLP（多層感知器）輸入大小和輸出大小是一樣的