魂断506的博客

一共三个维度：点、边和全图，我们的目标就是为这三个维度根据邻居关系提取特征，然后根据提取到的特征做分类或者回归。下图是一个具体的例子GCN的主要思想是取所有邻居节点特征（包括自身节点）的加权平均值。度低的节点获得更大的权重。之后，我们将得到的特征向量通过神经网络进行训练和卷积类似，GCN也可以做多层，每一层的特征输入都是上一层的输出多层卷积的优点：特征的抽象表示： 多层卷积允许模型逐渐提取数据的抽象特征表示。每一层的卷积操作都能够捕获不同层次的特征，从原始输入中提取更高级别、更抽象的表示。