GCN(Graph Convolutional Network)的简单公式推导
Posted denny402
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了GCN(Graph Convolutional Network)的简单公式推导相关的知识,希望对你有一定的参考价值。
第一步:从前一个隐藏层到后一个隐藏层,对结点进行特征变换
第二步:对第一步进行具体实现
第三步:对邻接矩阵进行归一化(行之和为1)
邻接矩阵A的归一化,可以通过度矩阵D来实现(即通过D^-1*A来实现对A的归一化)。
在实践中,使用对称归一化更加有效和有趣。变成下式:
第四步:加入自循环(每个结点从自身出发,又指向自己)
实际上,就是把邻接矩阵对角线上的数,全部由0变为1.
第五步:考虑每个结点与邻结点的关系(一般进行求和运算)
第六步:公式简化
将归一化运算简化一下:
则原式可以变为:
即最终的GCN公式:
如果省略掉截距,用h来表示每个结点的特征,则公式为:
以上是关于GCN(Graph Convolutional Network)的简单公式推导的主要内容,如果未能解决你的问题,请参考以下文章
GCN与文本分类Graph Convolutional Networks for Text Classification
GCN与文本分类Graph Convolutional Networks for Text Classification
GCN与文本分类Graph Convolutional Networks for Text Classification
GCN(Graph Convolutional Network)的简单公式推导
SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 论文/GCN学习笔记
SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 论文/GCN学习笔记