GNN Notes

GNN笔记整理

RecGNN

一个节点与其邻居不断地交换信息，直至整张图收敛或达到提前定义的步数。

形式化定义

\[h_v^t = f_{\theta}(h_v^{t-1}, \{h_u^{t-1}\}_{u \in N(v)}, x_v, \{x_u\}_{u \in N(v)})\]

其中 \(h\) 表示节点的隐表达，\(x\)表示节点的特征。\(f_{\theta}\)表示一个可学习的函数，\(N(v)\)表示节点\(v\)的邻居集合。

获取整张图的信息：

1. 添加一个额外的超节点，取最后超节点的表达\(h_{\text{hyper node}}^{-1}\)
2. weighted sum