目前看的图神经网络GNN论文的一些总

该文首发于知乎专栏：在天大的日日夜夜已获得作者授权

最近组会轮到我讲了，打算讲一下目前看的一些GNN论文以及该方向的一些重要思想，其中有借鉴论文[1]、[2]的一些观点和《深入浅出图神经网络：GNN原理解析》一书中的观点。其中可能有一些不准确和不全面的地方，欢迎大家指出。

1.为什么我们需要图神经网络：图1

当前，深度学习技术已经在语音识别、机器翻译、图像分析和计算机视觉等方向取得了重要成果，之所以CNN、RNN等模型能够在图像、音频等处理中取得很好地效果，其一个重要原因是：图像、音频等数据都可以很好地在欧式空间中进行表示，并且以规则的栅栏结构呈现，CNN等可以很自然的在这些数据上进行操作。

而也有很多数据，如社交网络数据、生物化学图结构和引文网络等，这些只能在非欧空间中表示，图（Graph）是其中一个典型的表示方式。

图结构数据的表示一般是不规则，传统的CNN等模型无法直接运用在图数据上，所以需要在图上重新定义卷积操作。其中要着重考虑感受野如何定义，节点的顺序性如何定义，如何进行池化操作等等，这方面大家可以参考论文论文[3]，其中有比较详细的讨论。

2.图神经网络发展的一些历史图2

①最早的图神经网络是NetworkEmbedding的形式，它的核心思想是通过表征学习的方式，在保持当前空间一些几何特性的前提下，把数据转换到一个低维的、更加有判别能力的空间。常见的方法有LLE、DeepWalk、SNE、GraphFactorization等方法。更多可以参考，这篇知乎（谢谢该作者）：

苏一：图嵌入（Graphembedding）综述

zhuanlan.zhihu.

转载请注明：http://www.shijichaoguyj.com/wxjs/6365.html