CS224W 8.2-Graph Neural Network

作者: 马东什么

编辑: Houye

上一节介绍了,

Cs224W 8.1-Graph Neural Network

• 图机器学习基础
• 图卷积和GraphSAGE

本小节从GCN过渡到graphsage的过程是非常自然，二者的不同之处仅仅是box处做了一些修改：

这里提到了weighted average，实际上指的就是当图为带权图的时候，我们进行average之前，每个节对应的要乘上edge的权重再平均，这实际上也是很好理解的，比如我认识很多大佬，但是大佬们都不认识我，所以他们收入高跟我可能没什么关系，我们之间的edge的权重可能是0.001.。。。。。

比较一下：

这里，我们从广义的角度上来定义聚合函数，即我们在GCN中使用的是简单的邻居的聚合，而在graphsage中，这个聚合函数的形式更加多样：

我们可以使用原来的mean的策略；也可以使用pooling的策略；甚至可以加一个LSTM进来，只不过因为lstm是序列相关的，而我们的节点是无序的，所以处理方法就是对节点进行几次shuffle，每次shuffle的结构都当作一个有order的序列然后传入LSTM进行训练；

总结一下，graphsage做了两个改变：

1、定义了广义的聚合函数，除了原来的mean之外，还会进行pool或者lstm的操作；

2、target node的embedding不再是和其领节点的embedding直接进行代数运算而是进行了concat的操作。

比如这里看右上角的A和C，GCN里A和C相加平均进入box，而graphsage是A和C进行concat之后进入box的，并且这里的box前的箭头也不再是简单的mean，还有pooling等操作。

ok，That's it~