图输入的神经网络架构

Question

我有一个无向图，其边距相等，每个节点有7个特征。我想用该图作为输入来训练神经网络并输出标量。我的网络需要什么网络体系结构来本地分析图（例如，一个节点及其邻居）并进行概括，就像卷积神经网络对网格数据进行操作一样。我听说过Graph Neural Networks，但是我不知道这是否是我想要的。它能否像CNN对图像一样分析我的图，并共享卷积内核带来的泛化优势？

我想在TensorFlow中实现该解决方案，最好是与Keras一起使用。

谢谢

Answer 1

性能很可能取决于您希望获得的确切输出。根据您的描述，与GNN相比，使用Keras实现2D-CNN应该足够好并且更容易实现。

但是，从数据中保留图形结构有一些优势。我认为这里没有太多内容，但是您可以在Wang等人的著作《大都市中的蜂窝交通时空分析和预测》中找到适当的解释。

本文还具有描述数据处理以输入到网络的好处。

如果您不想使用基本的Keras模型来组装自己的GNN，您可能还想看看Spektral，它是用于图深度学习的python库。

在没有任何其他约束的情况下，我将首先使用CNN，因为使用Keras的几乎随时可用的模型，它可以更快地实现。