the-expressive-power-of-gnns-introduction-and-foundations-5cdb4bca6ae3.md

GNN 的表现力 — 介绍与基础

原文：towardsdatascience.com/the-expressive-power-of-gnns-introduction-and-foundations-5cdb4bca6ae3?source=collection_archive---------4-----------------------#2024-02-21

GNNs 解析系列

为图神经网络模型的理论分析连接点滴

Giuseppe Futia

·发表于 Towards Data Science ·13 分钟阅读·2024 年 2 月 21 日

--

本系列旨在提供一个全面的理解，帮助读者理解 GNN 是如何捕捉网络结构的关系信息的。

我想感谢 Pantelis Krasadakis, Alessia Melania Lonoce, 和 Antonio Vetrò 审阅了这篇文章，并给出了宝贵的反馈。

介绍

图表示了描述交互元素的通用模型，而图神经网络（GNNs）已成为将学习算法应用于图结构数据的必备工具。

GNNs 最常见的框架基于消息传递神经网络（MPNN）。在这个框架中，邻居的特征通过边缘作为信息传递给目标节点。然后，目标节点的表示会与其邻居的聚合表示一起更新。

基于这一原理，节点的新表示编码了与局部结构相关的信息。这个信息传递过程如图 1 所示。

图 1 — 在 2 层 MPNN 中，邻居特征聚合到橙色节点

该图展示了如何更新橙色节点的表示…