V:Vertex (or node) attributes
E:Edge (or link) attributes and directions
U:Global (or master node) attributes
文本数据也可以表示图的形式,邻接矩阵表示的连接关系。
以图像为例子,每个像素点周围都有邻居,A就表示邻居之间的关系。
图像和文本任务中,用图模型比较少,因为图像和文本数据的格式比较固定,预处理过程中所有图像resize成固定大小,然后进行卷积操作得到特征,文本固定长度和词向量大小,因此不需要特殊的邻接矩阵。
邻接矩阵表达方式:source,target
Nodes:[0,1,1,0,0,1,1,1]
Edges:[2,1,1,1,2,1,1]
Adjacency List:[[1,0],[2,0],[4,3],[6,2],[7,3],[7,4],[7,5]]
更新特征需要考虑自身和邻居。
GNN也可以有多层,GNN的本质就是更新各部分特征,其中输入是特征,输出也是特征,邻接矩阵也不会变的。
第二个部分已经包含了第一部分的信息,类似了Transformer。
各个特征、节点、边都可以分类: