---

前言

圖神經網路的基本知識 最近在打卡圖神經網路7天訓練營 總結一下 廢話不多說 先來張圖

一、圖神經網路基本知識

圖可以分為
無向圖 vs 有向圖
無權圖 vs 有權圖
同構圖 vs 異構圖

圖可以用鄰接矩陣 鄰接表 邊集表示

二、圖遊走類演算法

圖遊走類模型最開始參考的就是 NLP 領域中的 Word2vec模型，Word2vec 模型自行了解 主要是 Skip Gram 和 Negative Sampling
和Word2vec 句子對應 圖遊走類模型如何得到網路中節點的序列呢

deepwalk nodework 都是同構圖的遊走

三、圖卷積神經網路

之前沒怎麼弄懂的圖卷積公式 居然在這張圖弄懂了

圖卷積的概念 在下面兩張圖顯而易見 就是聚合鄰居節點（和自身？）的特徵

圖卷積過程講解

四、圖注意力網路

圖注意力網路就是學習鄰居節點特徵聚合對中心節點的貢獻度 這個節點之間的影響力權重可以計算的 與節點的相關性有關 而圖卷積網路的權重是隻與節點度相關 不可學習的

五、圖取樣演算法

網際網路中動則億量級的圖資料 由於當代的GPU/CPU資源受限 無法一次性全圖送入計算資源，需要借鑑深度學習中的MiniBatch

GraphSAGE詳解



PinSAGE詳解

六、總結體會

7天的課程終於結束了 理解了之前很多看書本沒理解的知識 果然跟著直播上課的效果不一樣 一群人在學習 討論的效果比一個人戰鬥要有效率得多 後面的知識要自己慢慢花時間領會了 這只是一個簡單的入門 後面要多接觸論文方面的知識了 注重實踐領域