GCN笔记-老年痴呆自我回忆手册

GCN（Graph Convolutional Networks)

1.图的概念

邻接矩阵A

度矩阵D

特征矩阵X

2.学习新特征-融合其他结点的特征

是网络第K层的特征，其中

学习分成三个部分：

变换（transform）

聚合（aggregate）

激活（activate）

3.图卷积

存在两个问题：

一、计算新特征时没有考虑自己的特征

增加自连接

二、采用加法规则时，对于度大的节点特征越来越大，而对于度小的节点却相反，这可能导致网络训练过程中梯度爆炸或者消失的问题。

对邻接矩阵进行归一化

更进一步地，我们可以采用对称归一化来进行聚合操作

这种聚合方式不仅考虑了节点i的度，而且也考虑了邻居节点j的度，当邻居节点j的度较大时，而特征反而会受到抑制。

定义了图卷积，我们只需要将图卷积层堆积起来就构成了图卷积网络GCN

一般情况下邻接矩阵A是稀疏矩阵，所以我们在实现矩阵乘法时，采用稀疏运算会更高效。