mohen_777的博客

在图结构数据的学习方面都取得了不错的效果，特别是采用学习方式时，即测试集和验证集在训练的时候是可见的情况下。然而，在很多实际应用中，大规模图结构数据通常不是静态的而是动态的，即随着时间的的推移会出现新的节点和边插入，例如社交网络，引文网络或者一些在线图结构数据应用。本篇博文将为大家介绍该问题，以及通过对比实验对改问题进行分析与总结。该博文主要来自论文。

应用于图结构数据的三种主要注意力机制方法：学习注意力权重，基于相似性的注意力，注意力引导的游走法。这三种注意力机制具有相同的目的或意图，但是他们在定义或实现注意力机制的方法方面存在差异。解释（图注意力）：给定一个目标图对象（eg：节点，边，图等），v0​和 一个在v0​的邻域v1​⋯v∣Γv0​​∣​∈Γv0​​内的图对象集合。注意力被定义为将Γv0​​中每个对象映射到相关性得分的函数f′v0​×Γv0​​→01。