图神经网络(读A Gentle Introduction to Graph Neural Networks笔记)
1.直观上的理解
![在这里插入图片描述](https://img-blog.csdnimg.cn/e96b258d02df400f9086270364e79693.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGFnb25ncmVuYnM=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
layer后面的标号代表是第几层;要注意每一层都是由比它更深的层相互影响的,比如layer2他可能只有layer3的邻居来影响它,而layer1的节点则不仅包括layer2影响,还包括对应的layer3的影响。
2. 文章结构
首先必须明确图神经网络(GNN)他还是一个比较新的领域,可以用在医药的发现,推荐系统等方面。之所以会出现这个领域,主要是之前的卷积对象都是一些比较规则的东西,属于欧式空间的。而现在越来越多的非欧式空间的需要进行解决。
文章的整体结构分为四部分:
3. 什么是图
用文章用的话翻译过来就是,图代表一系列实体(nodes)之间的关系(edges)
什么可以表示为图:照片(像素点就代表点),文本(每个单词看做一个),分子图还有社交网络,引用图等
![在这里插入图片描述](https://img-blog.csdnimg.cn/5b9b55c0840f4c21b2639baa18ed612b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGFnb25ncmVuYnM=,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
![在这里插入图片描述](https://img-blog.csdnimg.cn/d582340209794f2daba8e3176f650e6b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGFnb25ncmVuYnM=,size_19,color_FFFFFF,t_70,g_se,x_16#pic_center)
图可以分为有向图和无向图
![在这里插入图片描述](https://img-blog.csdnimg.cn/6898add08dc34d5c9d8307c3e7b6d9fd.png#pic_center)
3.1 图的结构
分为三个层面:图层面,点层面和边层面
图层面的一些问题:进行图分类
顶点层面:判断点的归属
边级别:判断点之间是什么关系
3.2 将机器学习应用到图的问题
关键的问题是怎么表示图来使其跟神经网络兼容
3.2 将机器学习应用到图的问题
关键的问题是怎么表示图来使其跟神经网络兼容
在编程中使用adjacency list。具体大家移步https://distill.pub/2021/gnn-intro/查看,真的非常详细,而且动画效果特别好