論文筆記之Diffusion-Convolutional Neural Networks

本文是2016年NIPS上的論文

也是在graph上採用cnn進行了探討。

思路看似十分簡單：
對於一張graph而言，有N個node，每個node有F個feature，每個節點關注H hop以內的信息
架構：

---

對於 node classification

輸入：H*N*N*F
第一層：（其實對於每個node而言，通過這一層的映射，會得到一個H*F的map。對於map上的每個元素，是這麼得來的，對於這個node i，取H跳的所有鄰居的第F個feature信息求和乘以權值w即可）（權值共享體現在同一跳的同一個feature權值一樣）

這一層輸出的是H*F的map
然後就是一個全連接層，就得到預測結果。

---

對於graph classification類似：

就是在node classification 的基礎上，對於每個graph而言，通過這一層的映射，會得到一個H*F的map。對於map上的每個元素，是這麼得來的，對於graph上的每個node i，取H跳的所有鄰居的第F個feature信息求和，乘以權值w即可。