基于知识图谱和图卷积神经网络的应用——学习笔记

因为对图卷积神经网络的概念还是比较模糊的，所以想看看别人的讲解视频，结果发现b站上有一些内容，所以我就把这边博文当作的我的观看笔记！

1.图卷积的基本框架

输入邻接矩阵，然后把特征矩阵点乘到每个节点上，输入到下一层，每次更新特征矩阵，使特征矩阵达到收敛或基本不变的情况，可以进行分类问题，核心就是两个矩阵

2.卷积神经网络

3.图卷积

图卷积在卷积神经网络基础上加入了邻接矩阵的信息，这个边是否存在

例子：其中特征矩阵h0和权重w是随机的，w在gcn中并没有那么重要，所以可以随机初始化。w可以自适应的变，也可以不变，现在可以用自适应的变。h收敛可以由内积来看

4.半监督图分类

5.代码  权重，sparse邻接矩阵,x是特征，dot是点乘   然后不断循环更新

5.科学家网络

6.提问环节

频率是怎么推到时率？这个涉及到傅立叶变换，属于数学的推倒过程