现代机器学习 课件 第15章 图卷积神经网络.pptx

第15章图卷积神经网络;

传统的卷积神经网络只能处理具有平移不变性的欧氏空间数据(如图像、文本、语音等)。一种非欧氏空间数据——图数据,受到了越来越多的关注。图数据可以自然地表达现

实生活中的数据结构,如交通网络、万维网、社交网络等。如图15.1所示,与图像和文本这种欧氏空间数据不同,非欧氏空间数据的图数据中每个节点的局部结构不同,使得其不再满足平移不变性。因此,缺乏平移不变性对基于欧氏空间数据的卷积神经网络提出了挑战。;;

构建图卷积神经网络的挑战主要有如下几个:

(1)图数据中每个节点的局部结构不同,不满足平移不变性。传统卷积神经网络的基本卷积操作和池化依赖于数据的平移不变性。因此,如何在图数据上定义卷积和池化成为

一个具有挑战性的任务。

(2)图数据的特性多样。现实生活中的许多应用都可以用图数据来表示,如社交网络中用户的定向连接、引文网络中作者与引文之间的异质连接、政治网络中正负趋势符号的连接等,这使得图数据的特性多样。图的特性给图卷积神经网络的构建带来了更多的信息,但多特性的建模也要求图卷积神经网络的设计更加复杂和精确。;

(3)图数据具有大规模性质。在大数据时代,实际应用中的图可能包含数百万甚至上千万个节点,如推荐系统中的用户商品网络和社交网络中的用户网络。在可接受的时间和

空间范围内,如何在大规模图上构造图卷积神经网络也是一个巨大的挑战。;

15.