AI 词汇表
人工智能完整词典
GraphSAGE
一种归纳式图神经网络算法，通过采样和聚合邻居节点的特征来为大规模图生成节点嵌入。
归纳学习
一种能够泛化到训练时未见过的节点或图的学习方法，与需要完整图结构的直推式学习相反。
邻居采样
一种在训练过程中为每个节点选择固定大小随机邻居子集的技术，从而能够高效处理大规模图。
聚合函数
一种将邻居节点特征组合起来以产生聚合表示的数学运算，对于图上的信息传播至关重要。
节点嵌入
一种低维稠密的向量表示，用于捕获图中节点的结构属性和特征，常用于预测任务。
均值聚合器
一种聚合函数，通过计算邻居节点特征的逐元素平均值，来提供局部信息的对称且稳定的表示。
最大池化聚合器
一种聚合函数，对邻居特征应用非线性变换后进行最大池化操作，从而捕获邻域中最显著的特征。
LSTM聚合器
一种使用LSTM网络顺序处理邻居特征的聚合函数，能够捕获节点邻域中的非对称依赖关系。
特征传播
在多个层中，在相邻节点之间迭代传输和聚合信息，以逐步丰富向量表示的过程。
小批量训练
将图划分为小节点子集以优化计算效率并允许在海量图上进行扩展的训练策略。
图卷积
将2D卷积推广到图结构上的操作，根据定义的聚合方案将节点的特征与其邻居的特征相结合。
直推学习
模型在同一组固定节点上进行训练和测试的学习范式，在推理时需要完整的图结构。
消息传递
节点与邻居交换信息以更新其状态的算法框架，是图神经网络的基础。
图表示
捕获整个图的结构和语义属性的向量编码，用于图级别的分类或回归任务。
采样策略
定义如何在训练期间选择邻居的方法，影响计算效率与结构信息保持之间的平衡。
特征连接
将节点的原始特征与其邻居的聚合信息相结合，在转换前创建丰富表示的操作。
残差连接
一种允许层间信息直接传递的机制，有助于深度网络训练并保留节点原始特征。
ReLU激活
在聚合后应用的非线性激活函数，用于引入非线性，定义为max(0, x)，在GraphSAGE中被广泛使用。
批归一化
一种正则化技术，通过对每个小批量的激活进行归一化来稳定训练并加速图神经网络中的收敛。