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