几种图神经网络方法总结（Graph Neural Network）

概要

近年来图神经网络受到大家越来越多的关注，在文本分类(Text classification)，序列标注（Sequence labeling）, 神经机器翻译（Neural machine translation）,关系抽取（Relation extraction），事件抽取（Event extraction）, 图像分类（Image Classification），视觉推理（Visual Reasoning），语义分割（Semantic Segmentation）等等领域都有了一些应用。本文主要分享先当下最为广泛的几种图神经网络的结构。参考：Tutorial on Graph Representation Learning， AAAI 2019

Basic GNNs

基本思想

图神经网络的一个基本思想，就是基于节点的局部邻居信息对节点进行embedding。直观来讲，就是通过神经网络来聚合每个节点及其周围节点的信息。

图神经网络的几个性质如下：

1. 节点在每一层都会有embedding
2. 模型可以达到任意深度
3. 第零层的节点的embedding就是他的输入特征向量

实现

我们所要探讨的是，节点如何获取它的邻居节点的信息。最基本的想法就是聚合一个节点的邻居节点信息时&#x