【论文阅读】Graph Attention Networks
目录一 论文研究背景、成果及意义二 图卷积神经网络三 GAT具体算法理解四实验设计及讨论五论文总结代码实现分析二级目录三级目录
一 论文研究背景、成果及意义
GAT意义:
图神经网络最常用的几个模型之一(GCN,GAT,GraphSAGE)
将attention机制引入到图神经网络中
早期图神经网络表征学习的代表性工作,后期作为经典baseline
支持直推式学习和归纳学习
模型具有一定可解释性
二 图卷积神经网络
三 GAT具体算法理解
四实验设计及讨论
五论文总结
代码实现分析
原创
2020-11-30 14:37:02 ·
194 阅读 ·
0 评论