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

 

技术图片

 

第二步:对第一步进行具体实现

技术图片

第三步:对邻接矩阵进行归一化(行之和为1)

技术图片

 

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:

 

技术图片

第四步:加入自循环(每个结点从自身出发,又指向自己)

技术图片

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)

技术图片

 

 第六步:公式简化

 将归一化运算简化一下:

技术图片

则原式可以变为:

技术图片

 即最终的GCN公式:

技术图片

 

 如果省略掉截距,用h来表示每个结点的特征,则公式为:

 

 技术图片

 

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