使用图神经网络的监督节点分类

Question

• 考虑因素 G = {G1, G2, G3, G4,..., Gn}

哪里

• 每个Gi是一个连通图i = 1,2, …,n

• Gi交集Gj为空。 i != j和i, j <= n

• 每个Gi = {Vi, Ei, Ai}，其中

• Vi =图Gi中的节点集，

• Ei =图Gi中的边集，

• Ai = Gi的节点邻接矩阵。 定义的邻接矩阵：Aipq或1的值是0和vip是否通过边缘连接

。

• 对于viq中的每个节点vip，都有一个Vi节点特征属性向量。

• 每个r-dimensional都有一个标签，该标签属于一组vip

• 对于K = {1,2,3,4,5,6,7}中的每个边缘eiq，都有一个s维边缘特征属性矢量。

• 请注意，Ei

上的节点数和边数不相同

我想知道我们是否可以在上述图Gi’s上训练监督学习模型，以预测节点的标签。

任何与此有关的帮助都是可以的。