趋近智
前一章确立了通用消息传递框架,为图神经网络 (neural network)的运行方式提供了蓝图。本章将从抽象的公式转向具体的知名架构,将这些原理付诸实践。我们将分析聚合函数和更新函数的不同选择如何产生具有不同行为和性能特征的模型。
你将学习三种基本模型背后的机制:
针对每种模型,我们将讲解其数学公式,并讨论其主要优缺点。本章最后包含一个动手练习,通过从零开始构建 GCN,将理论公式直接转化为可运行的代码。
3.1 图卷积网络 (GCN)
3.2 图卷积的空间物理解读
3.3 GraphSAGE:邻域采样与聚合
3.4 GraphSAGE 的归纳学习
3.5 图注意力网络 (GAT)
3.6 GAT 中的注意力机制
3.7 GCN、GraphSAGE 与 GAT 的比较
3.8 动手实践:从零开始实现 GCN