作者：Mingshan Jia, Bogdan Gabrys, Katarzyna Musial

简介：图结构信息的挖掘和利用一直是复杂网络研究的重点。网络科学中传统的结构测度主要从网络结构的角度对复杂网络进行分析和建模 ，它们已成为研究和理解图的基本工具。相比之下，图神经网络，尤其是图卷积网络 (GCN)，在通过邻域聚合和消息传递将节点特征集成到图结构中特别有效，并且已被证明可以显着提高各种学习任务的性能。然而，这两类方法通常被分开对待，相互之间的引用有限。在这项工作中，为了建立它们之间的关系，作者提供了 GCN 的网络科学视角。作者的新分类法从三个结构信息角度对 GCN 进行分类，即分层消息聚合范围、消息内容和整体学习范围。此外，作为从网络科学角度审查 GCN 的先决条件，作者还总结了传统的结构措施并为它们提出了新的分类法。最后也是最重要的是，作者绘制了传统结构方法和图卷积网络之间的联系，并讨论了未来研究的潜在方向。

论文下载：https://arxiv.org/pdf/2301.04824

内容中包含的图片若涉及版权问题，请及时与我们联系删除