为什么需要图神经网络
对于一个图而言,我们通常注意于三种特征:
- 整个图的特征,例如图中有多少个节点,多少条边。
- 图中节点的意义,例如对于一个图片的图表示,可能一个节点就表示了一幅图片的一个像素点。
- 图中边的意义,例如对于社交网络而言,两个节点之间有边就表示两个人是有联系的,反之则没有联系。
因此,图神经网络的任务也通常集中于这三种,我们可以分为Graph-level,Node-level以及Edge-level的任务。
如何表示一个图
无论要解决什么样的任务,首要任务肯定是要先表示出来一个图,比较容易想到的解决方案就是构造邻接矩阵。但是邻接矩阵有它的缺点,就是太过于稀疏了,我们在学Linear Algebra的时候都知道,稀疏矩阵其实是一个不好的东西,同时对于我们计算机而言,稀疏矩阵同时占用了大量没用的内存,这对于我们以后的计算肯定是会降低性能的,所以我们这里可以采用构建邻接表的形式来表示一个图。
