图卷积算法的研究进展

• 作者: 冯国灿 郑睿刚 陈伟福
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 图卷积神经网络 图的拉普拉斯矩阵 图的傅立叶变换 图的卷积变换 图的节点分类 图的分类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 特约综述
• 页码范围: 1-14
• 页数: 14页
• 分类号: TP391.4
• 字数: 9937字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2020.02.001

摘要

近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储.图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性.虽然传统的深度卷积网络能有效处理图像、视频、语音等规则的数据,但直接用以处理图的数据效果并不理想.如何借鉴传统的卷积算法,提出适应图数据特点的学习算法,是当前深度学习研究的一个热点.文章拟对面向图数据的图卷积算法进行归纳总结,然而由于篇幅有限,无法对所有算法做到面面俱到的介绍,因此文章侧重于介绍模型背后的原理,分析并指出这些算法的优缺点,同时扼要介绍图卷积网络的主要应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯国灿	中山大学数学学院	42	224	9.0	11.0
5	陈伟福	中山大学数学学院	4	27	3.0	4.0
9	郑睿刚	中山大学数学学院	2	0	0.0	0.0