图神经网络(Graph Neural Network)是一类直接对图结构数据进行学习的神经网络模型。它的主要特点包括:
- 图结构输入
图神经网络可直接以图(节点、边)作为输入,而不是像CNN等需要规整的矩阵输入。
- 节点表征学习
网络通过消息传递机制迭代学习每个节点的向量表示,编码节点特征及图拓扑结构信息。
- 边学习
不仅学习节点表示,部分模型还会学习边的向量表示,描述节点间关系。
- 端到端学习
整个网络以端到端方式工作,直接从原始图输入预测目标,避免了人工特征工程。
- 聚合更新
节点根据相连边及邻居节点聚合信息,更新自己的表征向量,使节点语义互相约束。
- 可扩展性
图网络可以应用于不同规模的图,只需要调整聚合范围即可,计算复杂度可控。
- 应用场景
社交网络分析、知识图谱、分子指纹等都是图神经网络的应用场景。
图神经网络借鉴人脑处理图形信息的优势,在网络分析等 Tasks上展现出优异表现,是表示学习的新模式。