GNN Research Report

Posted on | Edited on | In ,

主要更新GNN针对图布局和布局evaluation上的问题和思路

图布局的信息：1. 节点的结构信息 2. 节点的位置信息。

GNN -> 训练得到节点的结构信息
GNN Structure

问题：1. 如何获取节点的位置信息 2. 如何将这两个信息结合起来

拟采用的方法：

节点的位置信息：

  1. 绝对位置信息->GNN->训练得到布局方法（没有可解释性）
  2. 采用pointCNN思想，首先利用周围节点获取相对位置，然后加入 $X-transform$ 来让节点位置具有旋转不变性，最后将节点位置feature用CNN方法升到高维。（邻域or相邻节点）
  3. 利用GNN自己训练（label和loss function难定义)。
  4. 归一化？

结合两个信息：

  1. 把GNN提取feature和后面的decision（即$f$ 和 $g$）步骤分开。
  2. 将GNN训练得到的结构信息和pointCNN训练得到的位置信息合并(比如最粗暴的concat)

PCNN relative position

Dynamic Graph

Reference

[1] Li, Y., Bu, R., Sun, M., Wu, W., Di, X., & Chen, B. (2018). PointCNN: Convolution On $\mathcal{X}$-Transformed Points.