【图神经网络论文整理】（九）—— DeeperGCN: All You Need to Train Deeper GCNs

---

• 作者信息：Guohao Li, Chenxin Xiong, Ali Thabet, Bernard Ghanem
• 论文来源：Computer Vision and Pattern Recognition
• 论文地址：https://arxiv.org/abs/2006.07739

本文介绍的论文是《DeeperGCN: All You Need to Train Deeper GCNs》。

为了防止GCN梯度消失、过度平滑和过拟合等问题，能够再大规模图上训练更深层次，该作者提出了DeeperGCN，并且定义了可微的广义聚合函数来统一不同的消息聚合操作，还将归一化层和残差连接应用到了GCN当中。

---

---

在GCN中最重要的就是进行消息传递来更新节点特征信息，在每个GCN层，通过传递来自中心节点邻居的特征信息来更新节点特征。为了计算新的节点特征，就必须要定义一个聚合函数，来获得邻居节点特征的聚合新特征。

目前聚合函数常见有均值、最大、求和、注意力、LSTM等，而且通过实验表明，不同的聚合函数对不同的任务也会有不同的影响。