GNN 教程：漫谈谱图理论和GCN的起源 - ArchWalker

[archwalker]

https://archwalker.github.io/blog/2019/06/16/GNN-Spectral-Graph.html

GNN 教程：漫谈谱图理论和GCN的起源此为原创文章，未经许可，禁止转载本篇文章主要受 如何理解 Graph Convolutional Network? 来自superbrother的回答 的启发，在此表示感谢！如有侵权，请联系我删除。引言图神经网络的逐层更新公式简单优雅而高效，以GCN为例，节点Embeddi...

[luweiagi]

请问GCN的卷积核具体是什么？这里一直不明白，CNN的卷集核一直很清晰

[luweiagi]

就是说，cnn我能明显的看到卷积核就是一个nxn的小方块在滑动，那gcn虽然是在图上进行卷积，即便图的每个节点的出度是变化的，我应该也能想象到一个卷积核在变化的滑动卷积，为什么我就是想象不出来呢，或者说，我从公式中看不出来卷积核的样子呢？

[luweiagi]

式25，L-I我觉得应该就是-A呀，为什么是-D^{-1/2}AD^{-1/2}呢？是为了约束其特征值为0-2之间吗？具体原理是什么呢。。我好笨

[archwalker]

@luweikxy 式25，L-I我觉得应该就是-A呀，为什么是-D^{-1/2}AD^{-1/2}呢？是为了约束其特征值为0-2之间吗？具体原理是什么呢。。我好笨

你好，在论文Semi-Supervised Classification with Graph Convolutional Networks中，$$L=I_N-D^{-\frac{1}{2}}AD^{-\frac{1}{2}}$$ 是定义的，$L$ 是normalized graph Laplacian，见论文中公式(3)下面的那行。

[archwalker]

@luweikxy 请问GCN的卷积核具体是什么？这里一直不明白，CNN的卷集核一直很清晰

图数据和图像数据的差别在于节点邻居个数、次序都是不定的，因此传统用于图像上的CNN模型中的卷积操作(Convolution Operator)不能直接用在图上，因此需要从频谱域上重新定义这样的卷积操作再转换回空间域上(通过卷积定理)。光从空间域上是没法形象的感知卷积这个概念的。