semi -supervised classification with graph convolutional networks學習必記

1 主要解決的問題 半監督學習：用於少量節點標籤未知，例如文本、citation network、知識圖譜分類 2 主要思想 採用圖卷積中的一階局部近似（即K=1），這部分的理解可以參考Chebyshev多項式作爲GCN卷積核 當K=1 時有兩個參數,模型scales linearly in the number of graph edges ,同時可以表徵局部圖結構和節點的特徵： 3. 半監度節

>>阅读原文<<