zy123/md_files
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
md_files/科研/图神经网络.md

16 KiB
Raw Blame History

图神经网络

图表示学习的本质是把节点映射成低维连续稠密的向量。这些向量通常被称为 嵌入（Embedding），它们能够捕捉节点在图中的结构信息和属性信息，从而用于下游任务（如节点分类、链接预测、图分类等）。

  • 低维：将高维的原始数据（如邻接矩阵或节点特征）压缩为低维向量，减少计算和存储开销。
  • 连续：将离散的节点或图结构映射为连续的向量空间，便于数学运算和捕捉相似性。
  • 稠密：将稀疏的原始数据转换为稠密的向量，每个维度都包含有意义的信息。

对图数据进行深度学习的“朴素做法”

把图的邻接矩阵和节点特征“直接拼接”成固定维度的输入，然后将其送入一个深度神经网络（全连接层）进行学习。

image-20250316142412685

这种做法面临重大问题，导致其并不可行：

  1. O(|V|^2) 参数量 ，参数量庞大

  2. 无法适应不同大小的图 ，需要固定输入维度

  3. 对节点顺序敏感 ，节点编号顺序一变，输入就完全变样，但其实图的拓扑并没变（仅节点编号/排列方式不同）。

       A —— B
   |     |
   D —— C

    矩阵 1（顺序 $[A,B,C,D]$）：

    
M_1 = 
\begin{pmatrix}
 0 & 1 & 0 & 1\\
 1 & 0 & 1 & 0\\
 0 & 1 & 0 & 1\\
 1 & 0 & 1 & 0
\end{pmatrix}.

    矩阵 2（顺序 $[C,A,D,B]$）：

    
M_2 =
\begin{pmatrix}
 0 & 0 & 1 & 1 \\
 0 & 0 & 1 & 1 \\
 1 & 1 & 0 & 0 \\
 1 & 1 & 0 & 0
\end{pmatrix}.

​ 两个矩阵完全不同，但它们对应的图是相同的（只不过节点的顺序改了）。

计算图

在图神经网络里，通常每个节点v 都有一个局部计算图，用来表示该节点在聚合信息时所需的所有邻居（及邻居的邻居……）的依赖关系。

  • 直观理解
    • 以节点 v 为根；
    • 1-hop 邻居在第一层，2-hop 邻居在第二层……
    • 逐层展开直到一定深度（例如 k 层）。
    • 这样形成一棵“邻域树”或“展开图”，其中每个节点都需要从其子节点（邻居）获取特征进行聚合。

image-20250316152729679

image-20250316152836156

例子

在图神经网络中，每一层的计算通常包括以下步骤：

  1. 聚合（Aggregation）：将邻居节点的特征聚合起来（如求和、均值、最大值等）。
  2. 变换（Transformation）：将聚合后的特征通过一个神经网络（如 MLP）进行非线性变换。
      A
      |
      B
    /   \
   C     D

假设每个节点的特征是一个二维向量：

  • 节点 A 的特征：h_A = [1.0, 0.5]
  • 节点 B 的特征：h_B = [0.8, 1.2]
  • 节点 C 的特征：h_C = [0.3, 0.7]
  • 节点 D 的特征：h_D = [1.5, 0.9]

第 1 层更新：$A^{(0)} \to A^{(1)}$

  1. 节点 A 的 1-hop 邻居：只有 $B$。

  2. 聚合（示例：自+邻居取平均）：

    
z_A^{(1)} = \frac{A^{(0)} + B^{(0)}}{2} = \frac{[1.0,\,0.5] + [0.8,\,1.2]}{2} = \frac{[1.8,\,1.7]}{2} = [0.9,\,0.85].

  3. MLP 变换：用一个MLP映射 z_A^{(1)} 到 2 维输出：

    
A^{(1)} \;=\; \mathrm{MLP_1}\bigl(z_A^{(1)}\bigr).
    • （数值略，可想象 \mathrm{MLP}([0.9,0.85]) \approx [1.0,0.6] 之类。）

结果：A^{(1)} 包含了 A 的初始特征 + B 的初始特征信息。

第 2 层更新：$A^{(1)} \to A^{(2)}$

为了让 A 获得 2-hop 范围（$C, D$）的信息，需要先让 B 在第 1 层就吸收了 C, D 的特征，从而 $B^{(1)}$ 蕴含 C, D 信息。然后 A 在第 2 层再从 $B^{(1)}$ 聚合。

  1. 节点 B 在第 1 层（简要说明）

    • 邻居：\{A,C,D\}
    • 聚合：z_B^{(1)} = \frac{B^{(0)} + A^{(0)} + C^{(0)} + D^{(0)}}{4} = \frac{[0.8,\,1.2] + [1.0,\,0.5] + [0.3,\,0.7] + [1.5,\,0.9]}{4} = \frac{[3.6,\,3.3]}{4} = [0.9,\,0.825].
    • MLP 变换：$B^{(1)} = \mathrm{MLP}\bigl(z_B^{(1)}\bigr)$。
    • 此时 $B^{(1)}$ 已经包含了 C, D 的信息。

  2. 节点 A 的第 2 层聚合

    • 邻居：$B$，但此时要用 $B^{(1)}$（它已吸收 C、D）

    • 聚合：

      
z_A^{(2)} = A^{(1)} + B^{(1)}.

    • MLP 变换：

      
A^{(2)} = \mathrm{MLP_2}\bigl(z_A^{(2)}\bigr).

结果：A^{(2)} 就包含了 2-hop 范围的信息，因为 $B^{(1)}$ 中有 C, D 的贡献。

GNN 的层数就是节点聚合邻居信息的迭代次数（也是计算图的层数）。

同一层里，所有节点共享一组参数（同一个 MLP 或全连接神经网络）

矩阵运算

\tilde D^{-1}\,\tilde A\,\tilde D^{-1}H

H'=\tilde D^{-1}\,\tilde A\,H

   A
   |
   B
 /   \
C     D

1.构造矩阵

含自环邻接矩阵 \tilde A=A+I


\tilde A =
\begin{bmatrix}
1 & 1 & 0 & 0\\
1 & 1 & 1 & 1\\
0 & 1 & 1 & 0\\
0 & 1 & 0 & 1
\end{bmatrix}

度矩阵 $\tilde D$（对角＝自身＋邻居数量）


\tilde D = \mathrm{diag}(2,\,4,\,2,\,2)

特征矩阵 $H$（每行为一个节点的特征向量）


H =
\begin{bmatrix}
1.0 & 0.5\\
0.8 & 1.2\\
0.3 & 0.7\\
1.5 & 0.9
\end{bmatrix}

2.计算

求和： \tilde A\,H


\tilde A H =
\begin{bmatrix}
1.8 & 1.7\\
3.6 & 3.3\\
1.1 & 1.9\\
2.3 & 2.1
\end{bmatrix}

平均： \tilde D^{-1}(\tilde A H)


\tilde D^{-1}\tilde A H =
\begin{bmatrix}
0.90 & 0.85\\
0.90 & 0.825\\
0.55 & 0.95\\
1.15 & 1.05
\end{bmatrix}

GCN

在 GNN 里，归一化（normalization）的核心目的就是 平衡不同节点在信息传播（message‑passing）中的影响力，避免「高连通度节点（high‑degree nodes）」主导了所有邻居的特征聚合。

H' = \tilde D^{-1}\,\tilde A\,\tilde D^{-1}H

  • 对节点 i 来说：

H'_i = \frac1{d_i}\sum_{j\in \mathcal N(i)}\frac1{d_j}\,H_j
  • 先用源节点 j 的度 d_j 缩小它的特征贡献，再用目标节点 i 的度 d_i 归一化总和。

GCN中实际的公式：


H^{(l+1)} = \sigma\Big(\tilde{D}^{-1/2}\tilde{A}\tilde{D}^{-1/2}H^{(l)}W^{(l)}\Big)

其中：

  • H^{(l)} 是第 l 层的输入特征（对第 0 层来说就是节点的初始特征），
  • W^{(l)} 是第 l 层的可训练权重矩阵，相当于一个简单的线性变换（类似于 MLP 中的全连接层），
  • \sigma(\cdot) 是非线性激活函数（例如 ReLU），
  • \tilde{A} 是包含自连接的邻接矩阵，
  • \tilde{D} 是 \tilde{A} 的度矩阵。

$\tilde{D}^{-1/2}\tilde{A}\tilde{D}^{-1/2}$的优势

1.对称归一化：\tilde D^{-\frac{1}{2}}\,\tilde A\,\tilde D^{-\frac{1}{2}} 是一个对称矩阵，这意味着信息在节点之间的传播是双向一致的。这种对称性特别适合无向图，因为无向图的邻接矩阵 \tilde A 本身就是对称的。

2.适度抑制高连通度节点：对称平方根归一化通过 \tilde D^{-\frac{1}{2}} 对源节点和目标节点同时进行归一化，能够适度抑制高连通度节点的特征贡献，而不会过度削弱其影响力。

3.谱半径控制：对称平方根归一化后的传播矩阵 \tilde D^{-\frac{1}{2}}\,\tilde A\,\tilde D^{-\frac{1}{2}} 的谱半径（最大特征值）被控制在 [0, 1] 范围内，这有助于保证模型的数值稳定性。

4.归一化拉普拉斯矩阵：对称平方根归一化的传播矩阵 \tilde D^{-\frac{1}{2}}\,\tilde A\,\tilde D^{-\frac{1}{2}} 与归一化拉普拉斯矩阵 L = I - \tilde D^{-\frac{1}{2}}\,\tilde A\,\tilde D^{-\frac{1}{2}} 有直接联系。归一化拉普拉斯矩阵在图信号处理中具有重要的理论意义，能够更好地描述图的频谱特性。

优化


h_v^{(k+1)} = \sigma \Big(
   \mathbf{W}_{\text{self}}^{(k)} \cdot h_v^{(k)} 
   \;+\; 
   \mathbf{W}_{\text{neigh}}^{(k)} \cdot \mathrm{MEAN}_{u\in N(v)}\bigl(h_u^{(k)}\bigr)
\Big),

GAT

图注意力网络（GAT）中最核心的运算：图注意力层。它的基本思想是：

  1. 线性变换：先对每个节点的特征 \mathbf{h}_i 乘上一个可学习的权重矩阵 $W$，得到变换后的特征 $W \mathbf{h}_i$。
  2. 自注意力机制：通过一个可学习的函数 $a$，对节点 i 和其邻居节点 j 的特征进行计算，得到注意力系数 $e_{ij}$。这里会对邻居进行遮蔽（masked attention），即只计算图中有边连接的节点对。
  3. 归一化：将注意力系数 e_{ij} 通过 softmax 进行归一化，得到 $\alpha_{ij}$，表示节点 j 对节点 i 的重要性权重。
  4. 聚合：最后利用注意力系数加权邻居节点的特征向量，并经过激活函数得到新的节点表示 $\mathbf{h}_i'$。
  5. 多头注意力：为增强表示能力，可并行地执行多个独立的注意力头（multi-head attention），再将它们的结果进行拼接（或在最后一层进行平均），从而得到最终的节点表示。

注意力系数

  1. 注意力系数（未归一化）

e_{ij} = a\bigl(W\mathbf{h}_i,\; W\mathbf{h}_j\bigr)
  1. 注意力系数的 softmax 归一化

\alpha_{ij} = \text{softmax}_j\bigl(e_{ij}\bigr)
= \frac{\exp\bigl(e_{ij}\bigr)}{\sum_{k \in \mathcal{N}_i} \exp\bigl(e_{ik}\bigr)}
  1. 具体的注意力计算形式（以单层前馈网络 + LeakyReLU 为例）

\alpha_{ij}
= \frac{\exp\Bigl(\text{LeakyReLU}\bigl(\mathbf{a}^\top \bigl[\;W\mathbf{h}_i \,\|\, W\mathbf{h}_j\bigr]\bigr)\Bigr)}
{\sum_{k\in \mathcal{N}_i} \exp\Bigl(\text{LeakyReLU}\bigl(\mathbf{a}^\top \bigl[\;W\mathbf{h}_i \,\|\, W\mathbf{h}_k\bigr]\bigr)\Bigr)}
  • 其中，\mathbf{a} 为可学习的参数向量，\| 表示向量拼接（concatenation）。

示例假设：

  • 节点特征：
    假设每个节点的特征向量维度为 $F=2$。

    
\mathbf{h}_i = \begin{bmatrix}1 \\ 0\end{bmatrix},\quad
\mathbf{h}_j = \begin{bmatrix}0 \\ 1\end{bmatrix},\quad
\mathbf{h}_k = \begin{bmatrix}1 \\ 1\end{bmatrix}.

  • 线性变换矩阵 $W$：
    为了简化，我们令 W 为单位矩阵（即 $W\mathbf{h} = \mathbf{h}$）。

    
W = \begin{bmatrix}1 & 0 \\ 0 & 1\end{bmatrix}.

  • 可学习向量 $\mathbf{a}$：
    假设 \mathbf{a} 为 4 维向量，设

    
\mathbf{a} = \begin{bmatrix}1 \\ 1 \\ 1 \\ 1\end{bmatrix}.

  • 激活函数使用 LeakyReLU（负斜率设为0.2，但本例中结果为正数，所以不变）。

计算步骤：

  1. 计算 $W\mathbf{h}_i$、W\mathbf{h}_j 和 $W\mathbf{h}_k$：

    
W\mathbf{h}_i = \begin{bmatrix}1 \\ 0\end{bmatrix},\quad
W\mathbf{h}_j = \begin{bmatrix}0 \\ 1\end{bmatrix}, \quad
W\mathbf{h}_k = \begin{bmatrix}1 \\ 1\end{bmatrix}

  2. 构造拼接向量并计算未归一化的注意力系数 e_{ij} 和 $e_{ik}$：

    • 对于邻居 $j$：

      
\bigl[W\mathbf{h}_i \,\|\, W\mathbf{h}_j\bigr] =
\begin{bmatrix}1 \\ 0 \\ 0 \\ 1\end{bmatrix}.

      内积计算：

      
\mathbf{a}^\top \begin{bmatrix}1 \\ 0 \\ 0 \\ 1\end{bmatrix} = 1+0+0+1 = 2.

      经过 LeakyReLU（正数保持不变）：

      
e_{ij} = 2.

    • 对于邻居 k,同理得到：

      
e_{ik} = 3.

  3. 计算 softmax 得到归一化注意力系数 $\alpha_{ij}$：

    
\alpha_{ij} = \frac{\exp(2)}{\exp(2)+\exp(3)} = \frac{e^2}{e^2+e^3}\approx 0.269.

    同理：

    
\alpha_{ik} = \frac{\exp(3)}{\exp(2)+\exp(3)} \approx 0.731.

特征聚合

单头注意力聚合（得到新的节点特征）


\mathbf{h}_i' = \sigma\Bigl(\sum_{j \in \mathcal{N}_i} \alpha_{ij} \,W \mathbf{h}_j\Bigr)

对i 的邻居节点加权求和，再经过非线性激活函数得到新的特征表示

多头注意力(隐藏层时拼接)

如果有 K 个独立的注意力头，每个头输出 $\mathbf{h}_i'^{(k)}$，则拼接后的输出为：


\mathbf{h}_i' =
\big\Vert_{k=1}^K
\sigma\Bigl(\sum_{j \in \mathcal{N}_i} \alpha_{ij}^{(k)} \, W^{(k)} \mathbf{h}_j\Bigr)

其中，\big\Vert 表示向量拼接操作，$\alpha_{ij}^{(k)}$、W^{(k)} 分别为第 k 个注意力头对应的注意力系数和线性变换。

例假如：


\mathbf{h}_i'^{(1)} = \sigma\left(\begin{bmatrix} 0.6 \\ 0.4 \end{bmatrix}\right)
= \begin{bmatrix} 0.6 \\ 0.4 \end{bmatrix}. \\
\mathbf{h}_i'^{(2)} = \sigma\left(\begin{bmatrix} 0.6 \\ 1.4 \end{bmatrix}\right)
= \begin{bmatrix} 0.6 \\ 1.4 \end{bmatrix}.

将两个头的输出在特征维度上进行拼接，得到最终节点 i 的新特征表示：


\mathbf{h}_i' = \mathbf{h}_i'^{(1)} \,\Vert\, \mathbf{h}_i'^{(2)}
= \begin{bmatrix} 0.6 \\ 0.4 \end{bmatrix} \,\Vert\, \begin{bmatrix} 0.6 \\ 1.4 \end{bmatrix}
= \begin{bmatrix} 0.6 \\ 0.4 \\ 0.6 \\ 1.4 \end{bmatrix}.

多头注意力（输出层时平均）

在最终的输出层（例如分类层）通常会将多个头的结果做平均，而不是拼接：


\mathbf{h}_i' =
\sigma\Bigl(
\frac{1}{K} \sum_{k=1}^K \sum_{j \in \mathcal{N}_i}
\alpha_{ij}^{(k)} \, W^{(k)} \mathbf{h}_j
\Bigr)

直推式学习与归纳式学习

直推式学习（Transductive Learning） 模型直接在固定的训练图上学习节点的表示或标签，结果只能应用于这张图中的节点，无法直接推广到新的、未见过的节点或图。

例如：DeepWalk ，它通过对固定图的随机游走生成节点序列来学习节点嵌入，因此只能得到训练图中已有节点的表示，一旦遇到新节点，需要重新训练或进行特殊处理。

注意：GCN是直推式的，因为它依赖于整个图的归一化邻接矩阵进行卷积操作，需要在固定图上训练。

归纳式学习（Inductive Learning） 模型学习的是一个映射函数或规则，可以将这种规则推广到未见过的新节点或新图上。这种方法能够处理动态变化的图结构或新的数据。

例如：

图神经网络的变体（GAT）都是归纳式的，因为它们在聚合邻居信息时学习一个共享的函数，该函数能够应用于任意新节点。

  • 局部计算：GAT 的注意力机制仅在每个节点的局部邻域内计算，不依赖于全局图结构。
  • 参数共享：模型中每一层的参数（如 W 和注意力参数 $\mathbf{a}$）是共享的，可以直接应用于新的、未见过的图。

泛化到新节点：在许多推荐系统中，如果有新用户加入（新节点），我们需要给他们做个性化推荐，这就要求系统能够在不重新训练整个模型的情况下，为新用户生成表示（Embedding），并且完成推荐预测。

泛化到新图： 分子图预测。我们会用一批训练分子（每个分子是一张图）来训练一个 GNN 模型，让它学会如何根据图结构与原子特征来预测分子的某些性质（如毒性、溶解度、活性等）。训练完成后，让它在新的分子上做预测。

GNN的优点：

参数共享

  • 浅层嵌入(如Deepwalk)为每个节点单独学习一个向量，参数量随节点数线性增长。
  • GNN 使用统一的消息传递/聚合函数，所有节点共享同一套模型参数，大幅减少参数量。

归纳式学习

  • 浅层方法通常无法直接处理训练时未见过的新节点。
  • GNN 能通过邻居特征和结构来生成新节点的表示，实现对新节点/新图的泛化。

利用节点特征

  • 浅层方法多半只基于连接关系（图结构）。
  • GNN 可以直接整合节点的属性（文本、图像特征等），生成更具语义信息的嵌入。

更强的表达能力

  • GNN 通过多层聚合邻居信息，可学习到更丰富的高阶结构和特征交互，往往在多种任务上表现更优。