GAT与GCN的区别

GAT和GCN都是图神经网络中常用的模型，它们的区别主要在于邻居节点特征的聚合方式和权重分配方式。GAT使用注意力机制来替代GCN中固定的标准化操作，通过注意力权重来聚合邻居节点的特征，可以为不同的邻居节点指定不同的权重，从而更好地捕捉空间信息的相关性。而GCN则是对同阶邻域上分配给不同邻居的权重是完全相同的，无法为邻居中不同节点指定不同的权重。这一点限制了模型对于空间信息的相关性的捕捉能力，也是在很多任务上不如GAT的原因。此外，GCN结合临近节点特征的方式和图的结构依依相关，这使得训练得到的模型在其他结构的图中泛化能力相对较差。而GAT则可以更好地适应不同的图结构，具有更好的泛化能力。