2020年9月13日-图神经网络 GNN 之图卷积网络1
需积分: 0 47 浏览量
2022-08-03
22:18:20
上传
评论
收藏 624KB PDF 举报
图神经网络 GNN 之图卷积网络 (GCN)
深度学习由于其强大的特征抽取能力和拟合能力，在不少领域取得很好的效果，
替代了传统的机器学习和人工抽取特征的方法。但是传统的深度学习方法通常比
较适用于欧式空间中表示的数据，而不能很好地解决非欧式空间的问题。非欧式
空间的数据通常用图 (graph) 表示，用图表示对象之间的关系。为了更好地在
图上应用深度学习，很多基于图的神经网络 (GNN) 算法被提出，本文重点
GNN 的开山之作图卷积神经网络 GCN。
1.前言
现在机器学习的研究领域存在很多神经网络模型，例如卷积神经网络 (CNN)，循环神
经网络 (RNN)，自编码器 (AutoEncoder) 等，这些模型被用到很多人工智能任务中
(目标检测、人脸识别，文本情感分析等)，取得不错的效果。这些任务通常是在欧式空
间中表示的，传统的深度学习算法也比较擅长提取欧式空间中的特征。
但是现在越来越多任务的数据是从非欧式空间中生成的，需要用的图 (graph) 结构来
表示对象之间的关系。例如在一些社交媒体上有用户社交网络，用户有不同的好友 (两
个为好友的用户是图中相邻的节点)，可以根据用户的好友关系对用户进行分类；在电
子商务领域，用户和商品也可以构成网络，用户与其好友，用户与其买过的商品之间会
存在连接，可以根据网络结构更好地推荐商品。
剩余10页未读，继续阅读
评论0