1. 工作概要
- GAT，图注意力神经网络
- 为图中节点赋予不同的权重来关注其邻域特征
- 基于masked self-attentional layer能够并行计算
- 能够推广到inductive任务
2. 模型介绍
-
输入：节点特征集合
-
输出：更新后的节点特征集合
-
self-attention机制
-
节点间的attention系数计算
-
计算与一阶邻居的attention,使用softmax归一化
-
为单层前馈神经网络，使用LeakyReLU进行非线性化
-
-
节点特征更新
-
多头注意力：拼接K个独立的注意力机制
-
最后一层输出：求K个注意力机制上的均值
3. 实验结果
-
数据集
-
Transductive任务
• Inductive任务
