【图神经网络 01】

1 图的基本构成

V：Vertex (or node) attributes
E：Edge (or link) attributes and directions
U：Global (or master node) attributes

2 图的邻接矩阵

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]]
 

3 图更新

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：