[图神经网络] 图节点Node表示---GAT

article/2025/9/21 20:07:51

一. 概括

图神经网络已经成为深度学习领域最炽手可热的方向之一。本文提出Graph Attention Networks(GATs)，将注意力机制应用到图神经网络中，每一层学习节点每个邻居对其生成新特征的贡献度，按照贡献度大小对邻居特征进行聚合，以此生成节点新特征。GATs具有计算复杂度低，适用归纳学习任务的特性。因此，GAT 不仅对于噪音邻居较为鲁棒，注意力机制也赋予了模型一定的可解释性。

二. self-attention

本节详细介绍每一次迭代（每一层）中aggregate模块所使用的Self-Attention机制

2.1 方法

输入：节点i特征 $h_{}i$ , 邻居特征 $h_{}j$

输出：邻居j对节点i生成新特征的贡献度 $a_{ij}$

模型：使用一个简单的前馈神经网络去计算 $a_{ij}$ ，共享参数W 通过反向传播学习。

2.2 输入预处理

对 $h_{}i$ , $h_{}j$ 线性变换，得到W $h_{}i$ 和W $h_{}j$

W为参数矩阵，将F维的特征线性组合生成F'维特征。
线性变换的目的是得到更强大的表达，可以见参考：YJango：深层学习为何要“Deep”

2.3 输入层->隐层

注意力网络可以有很多的设计方式，这里作者将节点 i和j 的表示进行了拼接，再映射为一个标量。需要。

eij表示邻居j的特征对i的重要性／贡献度。
||表示将将i和j拼接起来，作为神经网络的输入（2F'维）,注意这里拼接导致eij != eji ，也就是说注意力值是非对称的.
a为输入层->隐层的参数，因为隐藏只有一个神经元，故是一个2F'维的向量。
激活单元使用Leaky ReLU 进行非线性转换

2.4 隐层->输出层

为了使不同邻居的贡献度可以对比，使用softmax归一化，最终得到邻居j对节点i生成新特征的贡献度 aij

2.5 生成节点新特征

对节点i的邻居特征按贡献度 aij进行加权平均后加一个非线性转换，得到节点i的新特征 $h{}'_{i}$

2.6 Transformer Vs GAT

NLP 中大火的 Transformer 和 GAT 本质在做一样的事情。Transformer 利用 self-attention 机制将输入中的每个单词用其上下文的加权来表示，而 GAT 是利用 self-attention 机制将每个节点用其邻居的加权来表示。下面是经典的 Transformer 公式：

上述过程和 GAT 的核心思想非常相似：都是通过探索输入之间的关联性（注意力权重），通过对上下文信息（句子上下文/节点邻居）进行聚合，来获得各个输入（单词/节点）的表示。

Transformer 和 GAT 的主要区别是:

1.在 GAT 中，作者对自注意力进行了简化。每个节点无论是作为中心节点/上下文/聚合输出，都只用一种表示。也就是说，在 GAT 中 Q=K=V

2.在图上，节点的邻居是一个集合，具有不变性。Transformer 将文本隐式的建图过程中丢失了单词之间的位置关系，这对 NLP 的一些任务是很致命的。为了补偿这种建图损失的位置关系，Transformer 用了额外了的位置编码来描述位置信息

三. Multi-head Attention

因为只计算一次attention，很难捕获邻居所有的特征信息，《Attention is all you need》论文中进一步完善了attention机制，提出了multi-head attention ，其实很简单，就是重复做多次attention计算），如下图所示：

其中，表示一个可训练的参数向量, 用来学习节点和邻居之间的相对重要性，也是一个可训练的参数矩阵，用来对输入特征做线性变换，表示向量拼接(concate)。

本文也使用了multi-head attention：学习K个不同的attention，对应参数 $a_{ij}^{k}$ ， $W^{k}$ 然后在生成节点i的新特征时拼接起来

如果在整个图神经网络的最后一层，使用平均替代拼接，得到节点最终的embedding：

四. GAT VS GCN

1. 与GCN的联系与区别

无独有偶，我们可以发现本质上而言：GCN与GAT都是将邻居顶点的特征聚合到中心顶点上（一种aggregate运算），利用graph上的local stationary学习新的顶点特征表达。不同的是GCN利用了拉普拉斯矩阵，GAT利用attention系数。一定程度上而言，GAT会更强，因为顶点特征之间的相关性被更好地融入到模型中。

2. 为什么GAT适用于有向图？

我认为最根本的原因是GAT的运算方式是逐顶点的运算（node-wise），这一点可从公式（1）—公式（3）中很明显地看出。每一次运算都需要循环遍历图上的所有顶点来完成。逐顶点运算意味着，摆脱了拉普利矩阵的束缚，使得有向图问题迎刃而解。

3. 为什么GAT适用于inductive任务？

GAT中重要的学习参数是 W 与 a(·) ，因为上述的逐顶点运算方式，这两个参数仅与顶点特征相关，与图的结构毫无关系。所以测试任务中改变图的结构，对于GAT影响并不大，只需要改变 Ni，重新计算即可。

与此相反的是，GCN是一种全图的计算方式，一次计算就更新全图的节点特征。学习的参数很大程度与图结构相关，这使得GCN在inductive任务上遇到困境。