三种图神经网络算法：GraphSAGE, GCN 和 GAT

Sat, 10 Aug 2024 00:00:00 +0000

GNN 处理图数据的方式还是很符合直觉的，基本沿袭了 CNN 的思路：每个神经元只看局部信息，通过层层汇聚掌握全貌。

GitHub 项目地址：graph-embedding

本文做了什么：

✨ 注意：运行以下代码依赖 util.py 文件。

一、GraphSAGE 的简单实现

主流图算法大致分两种：

图神经网络算法做的事，相当于把图这种复杂的数据结构，转换成低维向量，而低维向量往往是很好用的。

拿到图嵌入可以做很多事情，比如：

总之，图嵌入是一种非常有用的特征。在实践中，甚至可以将图嵌入和其他特征 concat 起来，训练更复杂的模型。

GNN 和 CNN 的思路还挺像的，可以看作 CNN 在图数据上的推广。

CNN 有平移不变性和局部性。其中 局部性 指：每个神经元每次只看一小块像素，随着神经元层数的堆叠，层级越高的神经元，“看到”的像素量越多（如下图）。