cs224w-8-GNN-Application

General GNN Framework 通用GNN框架

图增强

之前的假设是输入图=计算图，但是有可能遇到图缺少特征性或者图的结构不利于计算。

例如，图过于稀疏（sparse），那就导致无效的消息传递，如果过于稠密（dense），就会消耗大量时间，如果过大（large），GPU就很难算。

解决方案就是

对于图缺少特诊：使用图特征性增强。

对于稀疏图，增加虚点虚边。

对于稠密图，Sample neighbors when doing message passing

对于大的图，对子图采样后嵌入

为什么要增强

图缺少特征

做法

1.为节点分配一个常量

2.把节点编号转化成一个one-hot vector

两种方案的对比

一些图的结构在GNN上跑的不好

例如 $C_n$ 这样的环，这样训练就是一个无限长度的循环

做法

1.增加虚边，例如对2-hop的邻居，此时邻接矩阵变成了 $A+Az^2$

举例，二分图的一种情况

2.增加虚节点