![](https://csdnimg.cn/release/download_crawler_static/87319627/bg10.jpg)
在神经网络中使用图的挑战
首先需要考虑的问题是,如何表示一张图使得其与神经网络兼容?
图的四种属性是非常重要的:节点(nodes),边(edges),全局信息(global-context),连接
性(connectivity)。前三者只要各自采用特征向量的形式就可以与神经网络相兼容了,但是连接性表征的
是哪两个节点之间有连接关系,这用向量并不容易表示。
是否可以使用邻接矩阵来表示图的连接性?
1.邻接矩阵的大小是节点数x节点数的方阵,当节点数很多时,那邻接矩阵就会非常的大,可
以参考一下社交网络,并且在邻接矩阵中很多节点之间并没有连接关系,所以其是一个稀疏矩
阵,然而要想高效地计算稀疏矩阵一直是一个比较困难的问题