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 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
举例,二分图的一种情况
2.增加虚节点
All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.