图神经网络通俗解释

Contents

• 1. 预备知识
     • 1.1 引言
     • 1.2 图的构成要素
     • 1.3 文本数据与图像数据均可表征为图结构
     • 1.4 如何有效地将图转换为矩阵形式？
  • 2. 图神经网络GNN

1. 预备知识

1.1 前言

之前介绍的RNN和LSTM主要用于处理sequence data这一类问题

而CNN卷积神经网络则主要用于处理图像data

这些都可被视为结构性的数据

但对于像图这样的非结构性data而言

上述提到的各种神经网络模型就不再适用

1.2 图的要素

• 顶点： vertex（nodes）
• 边：edge, 不仅有连接关系，并且可以有方向。

1.3 文本数据，图片数据都可以表示成图

文本型数据中每一个单词都可以被视作图中的一个节点，在其前后位置排列的两个单词之间会形成一条边。

对于图片数据而言，在之前的讨论中我们提到过其可以用RGB像素值表示图像，并将其分解为三个独立的矩阵；针对每一个矩阵而言，在张量结构下每个单元格代表图像中的一个像素节点；若相邻的像素点存在，则建立连接边以反映空间关系结构。

这些例子旨在说明图结构在现实中广泛存在，并且许多问题都可以借助graph-based方法加以解决。

1.4