GNN和GCN都是基于图结构数据的深度学习方法,但它们在核心思想、技术特点和应用场景上存在显著差异。 GNN具有更强的灵活性,可以适应不同类型的图和任务需求;而GCN则以其高效性和简洁性著称,特别适合于处理大规模图数据和半监督学习任务。 随着研究的深入和技术的发展,未来可能会出现更多结合两者优点的混合模型和算法,...
Step1: 求图模型的邻接矩阵和度矩阵 对于传统的GNN,一个图网络需要节点特征矩阵和邻接矩阵的输入,这样才能进行节点的聚合操作。但是GCN中还需要引入一个度矩阵,这个矩阵用来表示一个节点和多少个节点相关联,对于后面的步骤有巨大的作用,如图所示: Step2:进行特征计算 求得矩阵A,D,XA,D,XA,D,X后,进行特征的计算...