学习图卷积神经网络

许多重要问题可以被表述为从图数据中学习。我们提出了一种适用于任意图的卷积神经网络学习框架。这些图可以是有向的、无向的，并且节点和边属性可以是离散的或连续的。类似于在图像上操作局部连接区域的卷积网络，我们介绍了一种从图中提取局部连接区域的一般方法。通过使用已建立的基准数据集，我们展示了所学习的特征表示在性能上可与最先进的图核方法相媲美，并且其计算效率非常高。