awesome GNN:关于图神经网络的一些工作总结 源码

在下面的讨论中,为了简化符号,我们将跳过线性变换〜 很棒的GNN 关于图神经网络的一些工作总结 图神经网络的更新方式除了一下全部聚集之外,还可以按照分阶段来处理。 例如知识图谱我可以把每个三元组的进行双线性。然后使用注意力来搞。 1.超图神经网络@ AAAI2020 高阶数据关联(更加灵活) 动机: 1.主要就是高阶数据相关@ 我们的技术核心创新 1.传统的超图学习过程可以通过本文提出的超卷积进行优化〜 Introduction介绍方式 就是说传统的gcn就是数据之间的成对连接,但是实际上实际的数据结构可能超出成对连接甚至更加复杂。 尤其是针对多模态数据,整个如此就会变得更佳复杂。 1.数据关联比起成对关系而言是很复杂的。 2.而且对于异质信息网络而言,传统的GCN有它的局限性来制定数据相关性; 3.咱们的HGNN比起传统的edge degree @ mandatory 2,我们