图嵌入

图嵌入思想

通过深度学习技术将图中的节点(或边)映射为向量空间中的点,进而可以对向量空间中的点进行聚类、分类等处理

图卷积网络(Graph Convolutional Network)

诞生

空手道俱乐部图,颜色表示通过基于模块化的聚类获得的社团

图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。

GCN的卷积过程

先来回顾CNN的卷积过程,主要分为卷积和池化加全连接加softmax


CNN的卷积过程

GCN的整个流程图如下:


GCN流程

池化过程

经过顶点匹配和图粗粒化的过程,决定边是减掉还是连起来。


池化1

按照节点的index进行融合


池化2

卷积过程

将节点信号大小转化到信号领域进行矩阵分解再转回来

  • 输入:


    GCN的输入
  • 输出:


    公式1

    公式2

    结果目标

    论文中的过程图

卷积方式分两种:

Network Embedding论文集合

推荐阅读更多精彩内容