Graph Attention Networks
code & data：https://github.com/PetarV-/GAT
1. 创新点
通过新型神经网络对图形结构数据进行操作，利用隐藏的自注意层赋予邻域节点不同重要性，并无需提前了解整个网络结构
通过堆叠这样的一些层，这些层里的节点能够注意其邻近节点的特征，不需要进行成本高昂的矩阵运算（例如反演），也无需事先知道图的结构
1.1. attention 引入目的
- 为每个节点分配不同权重
- 关注那些作用比较大的节点，而忽视一些作用较小的节点
- 在处理局部信息的时候同时能够关注整体的信息，不是用来给参与计算的各个节点进行加权的，而是表示一个全局的信息并参与计算
1.2. 框架特点
- attention 计算机制高效，为每个节点和其每个邻近节点计算attention 可以并行进行
- 能够按照规则指定neighbor 不同的权重，不受邻居数目的影响
- 可直接应用到归纳推理问题中
2. 模型
2.1. feature 处理
通过线性变换生成新的更强的 feature
输入：node feature的集合 
（ N 为node 数量, F 为每个node 的 feature 数--feature vector 长度）
输出：
（ 使用W 将每个特征转换为可用的表达性更强的特征）
2.2. 计算相互关注
每两个node 间都有了相互关注机制（用来做加权平均，卷积时，每个node 的更新是其他的加权平均
共享的关注机制
通过node feature 计算两个node 间的关系
用来做加权平均需要转换一下参数
（这个系数 α 就是每次卷积时，用来进行加权求和的系数）
本文采取的计算attention coefficient的函数a是一个单层的前馈网络，LeakyReLU 处理得
（ || 表示串联/ 连接，一旦获得，归一化的相互注意系数用来计算对应特征的线性组合，以用作每个节点的最终输出特征）
左图：
在模型中应用相互注意机制a（Whi，Whj），通过权重向量 a 参数化，应用 LeakyReLU 激活
右图：
节点1在邻域中具有多端注意机制，不同的箭头样式表示独立的注意力计算，通过连接或平均每个头部获取 h1`
2.3. multi-head attention机制
不只用一个函数a进行attention coefficient的计算，而是设置K个函数，每一个函数都能计算出一组attention coefficient，并能计算出一组加权求和用的系数，每一个卷积层中，K个attention机制独立的工作，分别计算出自己的结果后连接在一起，得到卷积的结果，即
假如有 k 个独立的相互注意机制同时计算，则集中其特征，可得到特征表示
对于最后一个卷积层，如果还是使用multi-head attention机制，那么就不采取连接的方式合并不同的attention机制的结果了，而是采用求平均的方式进行处理，即
3. 对比
- 计算很高效，attention机制在所有边上的计算是可以并行的，输出的feature的计算在所有节点上也可以并行
- 和GCN不同，本文的模型可以对同一个 neighborhood 的node分配不同的重要性，使得模型的容量（自由度）大增。
- 分析这些学到的attentional weights有利于可解释性（可能是分析一下模型在分配不同的权重的时候是从哪些角度着手的）
- attention机制是对于所有edge共享的，不需要依赖graph全局的结构以及所有node的特征
- 2017年Hamilton提出的inductive method 对于neighborhood的模式处理固定，不灵活
4. 实验
- transductive learning
- inductive learning
4.1. transductive learning
- 两层 GAT
- 在Cora 数据集上优化网络结构的超参数，应用到Citeseer 数据集
- 第一层 8 head, F`=8 ELU 作为非线性函数
- 第二层为分类层，一个 attention head 特征数C，后跟 softmax 函数
- 为了应对小训练集，正则化（L2)
- 两层都采用 0.6 的dropout
- 相当于计算每个node位置的卷积时都是随机的选取了一部分近邻节点参与卷积
4.2. inductive learning
- 三层GAT 模型
- 前两层 K=4, F1=256 ELU作为非线性函数
- 最后一层用来分类 K=6, F`=121 后跟logistics sigmoid 激活函数
- 该任务中，训练集足够大不需要使用 正则化 和 dropout
两个任务都是用Glorot初始化初始的，并且是用Adam SGD来最小化交叉熵进行优化