semi_supervised classification with graph convolutional networks论文阅读报告(1)

来来来，下一篇。

这篇论文的作者写了一篇博客，介绍了这篇文章的来龙去脉：GRAPH
CONVOLUTIONAL NETWORKS 

论文作者已经写得挺详细了，我为啥还要写这篇博客呢？因为我发现作为一个小白，很多地方是不懂的，所以我想把自己的思路和问题写下来。

这样，我也有个自己的记录，以后回看起来，原来我曾经也看过这些东西，也给做同一个方向的同伴们一个参考~如果错误，请指正。

一、论文对graph cnN的卷积过程用非线性函数表示，推导出由光谱图卷积 到 本文卷积网络结构的过程。



 





 

二、基于图的半监督聚类

在这篇论文当中，对于图数据的半监督聚类，主要是打破了以往的一个假设：graph中相邻的节点具有更大的可能性属于同一类。因为这个假设在很多应用中时不成立的。具体做法是这样描述的（这里理解的不是很透彻，原文是这么说的）：





三、实验和数据集：以前看论文，总是看论文的思想，看到实验部分直接就跳过了，发现这样是不行的，有时候实验会加深对论文逻辑的理解。另外，自己总归也是做实验的，多看看论文的实验，可以给很多参考，还能记下一些数据集，没准，以后就用到了。感觉又跑题了，哈哈，还是想说，以前总是急功近利，想赶紧看完一篇论文，现在写出来阅读心得，会觉得更加扎实，以前很多都是囫囵吞枣，可能不会有实质性的进步。啊啊啊，回归真题。

真实发现，其实也没有什么特别的数据集，就是这些了：



最后作者的总结，让我对NELL数据集有些兴趣。

本来我是先写好了提纲再来写具体内容的，以为实验部分会有很多东西要写，事实是，这篇博客被我写的烂尾了，额额额，以后继续努力吧。

另外还有，论文内容与代码的对应问题：我发现有时候论文看的非常皮毛，理论和代码对应不上，所以想把他们的之间的关系描述一下。这篇博客应该写不下了，主要是，我还没看完呢，所以看完会写在下一篇~~凑不要脸的期待一下下~~