1. 如何建模
将现实问题建模成图神经网络的结构是非常重要的,要指定代表node,什么来代表edge。
- 有些问题,如社交网络,蛋白质结构这种有很独特和明显的grapy结构。
- 还有些如NLP中的文本,CV中的图片并没有明显的Grapy结构,(就需要一些直觉和实验来建模)
- 对于given domain和建模成的Grapy Network之间的连接的设计决定来可以研究的问题。
2.Node Degrees(节点度)
这里主要就是介绍了一下node degree,对于有向图和无向图有点区别,
-
对于无向图,只有node degrees一个概念,即该节点所有相邻边的条数。
-
对于有向图,有in-degree和out-degree两个概念。
- in-degree: 即入度,是指进入该节点的边的条数
- out-degree:即出度,指从该节点出发的边的条数。
- 有向图节点的总度数