NLP的学习任务类别，哪些任务适合GCN和GAT模型？
关注者
58被浏览
47,196登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
GCN 和 GAT都是图网络， 思路都是将相邻点的特征总结到中心节点上。 正因为这个特征，他们很适合用来做文本理解类的任务：如文本分类（把文本转化为单词图形，然后卷曲成单词图卷积，最后可以把句子看作一个单词节点图），关系提取（保持跨句N维图形结构来提取），机器翻译（将语法信息整合到NMT)等等。
但同时，GCN和GAT也是有区别的。 GCN利用了拉普拉斯矩阵，而GAT应用的是注意力机制。 这使得GAT更适合于有向图（因为运算是node-wise），也更适合于需要灵活图结构的归纳学习任务（GCN全图计算，所以图结构变了又得重新学，灵活性和拓展性都不太好）
References:
GCN、GAT、GraphSAGE的优势很明显，想问一下它们分别有什么缺点?