Closed cos0sin0 closed 4 years ago
@cos0sin0 此处得到的结果是节点之间的hidden features,完整实现是
x_i = torch.einsum('bijd, dk->bijk', x_i, self.w_vi) x_j = torch.einsum('bijd, dk->bijk', x_j, self.w_vj)
update hidden features between nodes, (B, N, N, in_dim)
H = F.relu(x_i + x_j + alpha + self.bias_h)
节点特征和关系特征在相加之前,节点特征做了特征变换,对应paper中的公式(10)。hidden features代表的含义在paper中定义为节点之间的视觉特征和关系特征之和,即是在node-edge-node
三元组上聚合特征,而聚合的操作当然有很多方式,我们只是采用了最简单的sum方式。而得到的hidden features是为了通过图卷积操作更新节点特征。
哦哦,明白了,非常感谢
# update hidden features between nodes, (B, N, N, in_dim) H = F.relu(x_i + x_j + alpha + self.bias_h)