介绍

英文题目：GRAPH ATTENTION NETWORKS
中文题目：图注意力网络
论文地址：https://export.arxiv.org/pdf/1710.10903.pdf
领域：知识图谱，知识表示
发表时间：2018年
作者：Petar Veliˇckovi ́c，剑桥大学
出处：深度学习顶会 ICLR
被引量：1000
代码和数据：https://github.com/PetarV-/GAT
阅读时间：2022.04.25

读后感

简介部分复习了当时主流做法的演进过程，是很好的导读，其中GNN（基于RNN），GCN（基于CNN），GAN （基于Attention）都比较重要，MoNet和GraphSAGE也可以读一下（GraphSAGE用于大规模数据）。

泛读

• 针对问题：基于图结构的节点分类
• 结果：在小数据集传导测试中GAN与GCN效果不相上下，略好一点；在大数据集归纳测试中，无法使用GCN等方法，GAN更有优势。
• 核心方法：把注意力机制引入图神经网络。
• 难点：如果之前了解Attention和图的基本表示方法，本篇原理和代码都不复杂。
• 泛读后理解程度：直接精读
  （看完题目、摘要、结论、图表及小标题）

精读

摘要

提出图注意力网络 graph attention networks（GATs），基于图结构，利用带MASK的自注意力机制。利用邻居节点的特征对不同邻居分配不同权重，无需高代价的矩阵运算，也不需要事先了解图结构。

简介

不规则数据常常使用图来描述，用神经网络解决图问题：最早提出用RNN方法表征有向无环图；2005提出GNN将RNN用于更多的图结构，它通过迭代扩展节点状态直至均衡，对每个节点产生一个输出；后又被改进，加入门控单元。（建议延伸阅读GNN）

卷积思想也被引入图神经网络，包含基于谱和不基于谱的方法。

基于谱方法：Bruna等在2014年使用谱表征方法应用于上下文中的节点分类问题，在频域使用卷积计算拉普拉斯矩阵的特征分解，它使用了大量计算和非局部的滤波器。2015年Henaff提出使用光滑系数，使其在空间上局部化；2016年Defferrard使用切比雪夫逼近滤波器，不再需要计算拉普拉斯的特征向量。最终，在2017年Kipf和Welling简化了之前的方法提出GCN，每层使用一跳的邻居，建构多层模型（CNN的谱方法推荐阅读GCN，其中也介绍了切比雪夫方法）。上述谱方法学习的过滤器（取舍邻居节点）都依赖拉普拉斯向量，拉普拉斯又基于图的邻接矩阵和度矩阵，强依赖图结构，因此，训练好的模型不能用于其它结构的图（结构变化，模型就不能用了）。

不基于谱方法：2015-2017年相继提出了将卷积直接用于图，计算空间上相邻的组的方法。面临的问题是节点的近临数各不相同以及如何保证CNN共享权重，解决方法有：学习不同度的权重矩阵；使用转换矩阵的强度来定义近邻，然后学习不同通道和邻居度的权重；以及提取并归一化包含固定数量节点的邻域。2016年Monti在MoNet（mixture model CNNs）提出了统一CNN结构的空间方法（GAT可以作为MoNet的一个特殊实例）。Hamilton在2017年提出了GraphSAGE，以归纳方法计算节点的表征，它采样固定数目的邻近节点，使用特殊的聚合函数，这种方法在几个大型归纳基准测试中取得了令人印象深刻的表现。（建议延伸阅读GraphSAGE，该方法常被用于大图模型的效果对比）

注意力机制近年来在很多序列任务中效果很好，它的一个主要优势是支持不同大小的输入，专注最相关的部分做决策，常用的方法有自注意力和内部注意力，通过和CNN和RNN结合，注意力在机器阅读和学习句子表征方面效果很好。2017年Vaswani展示了注意力不仅可以和其它模型结合，其本身也能在机器翻译任务中构建强大的模型。

本文受其启发，将注意力应用于基于图结构的节点分类问题，其主要想法是利用自注意力方法，使用领域信息，计算图中每个节点的隐藏表征，具有以下特点：

• 该操作是高效的，可以跨节点对并行操作
• 通过为邻域指定任意权重，应用于具有不同度的图节点
• 适用于归纳学习，可以推广到不完全可见的图

2. GAT架构

2.1 图注意力层

层的输入是节点特征h={h1,h2,...hN}，其中N是节点数量，hi是向量hi ∈ RF，F是每个节点的特征个数。输出是新的节点特征：h'={h'1,h'2,...h'N}，h'i∈ RF ′，输入的特征个数F可能与输出的特征个数F'不同。

为了通过层学习到更有效的表征，至少需要一个可学习的线性转换，模型参数W ∈ RF ′ ×F ，它被应用于每个节点，利用自注意力矩阵a，a : RF ′× RF ′来计算注意力参数：

它用于表示节点j对节点i的重要性。在注意力的一般公式中，模型允许每个节点参与其它节点的计算，因而与图结构无关。文中方法则使用Mask来遮蔽无关的节点，只考虑j ∈ Ni，即i在图中的邻居节点，实验只考虑一阶邻居。再使用Softmax进行归一化：

注意力a是单层前馈网络，权重参数a ∈ R 2F ′，使用LeakyReLU作为激活函数，将(1)代入式(2)后，表示为：

其中T表示转置，||表示串联操作，如图-1中左图所示：

之后，利用a来计算最终输出的特征h'：

其中σ是激活函数。

为了保证模型的稳定性，将单头注意力扩充成多头注意力模型，使用K个互不依赖的注意力机来实现式-4的转换，然后将输出特征串联作为最终输出的特征表示，最终的输出每个节点有KF'个特征。

其中||表示串联。

当使用多头注意力时，网络的最后一层不应输出太长特征，因此使用均值方法averaging来计算输出特征。

多头聚合方法如图-1右图所示（一个颜色代表一个头，hi代表邻近节点）。

2.2 与之前方法对比

上述方法解决了之前图神经网络遗留的问题：

• 在计算方面，它非常高效，自注意力层可以并行计算边，输出特征可以在节点上并行。不需要特征分解或类似的复杂运算，单头的时间复杂度可表示为O(|V |F F ′ + |E|F ′)，其中F是特征数，|V|和|E|是节点和边的个数，复杂度与GCN相当，多头注意力占用的空间和参数由头数K决定，且多头可以并行计算。
• 与GCNs方法不同的是，文中模型允许对同一邻居节点使用不同的权重，从而实现了模型容量的飞跃，此外，学习到的注意力权重可能提升模型的可解释性。
• 注意力机制以共享方式应用于图中所有边，它不依赖全局图结构f无需事先访问所有节点，因此：
  • 图不需要是无向的
  • 可用于归纳学习，支持在训练时不完全了解全图的任务
• 2017年提出的GraphSAGE方法对节点采样固定数目的邻居，为了保证计算过程的一致性，它不能访问所有邻居，当使用LSTM作为聚合工具时，它得到了更好的效果。文中方法则不受这些因素影响，它使用所有邻居，且不假设其顺序。
• 文中方法可视为MoNet的特例，与Monet相比，文中模型使用节点特征来计算相似性，而不是节点的结构属性。

3. 评价

3.1 数据集

文中共使用了四个数据集，前三个用于测试传导，第四用用于测试归纳，具体数据见表-1。

• 传导数据集中的节点是文档，边是文档间的引用关系（无向），特征是使用词袋模型提取的文档表征，每个节点对应一个类别标签。
• 归纳数据集是PPI（蛋白质相互作用），20张图训练数据，2个测试图，2个验证图，平均每图2372个节点，每个节点50个特征，共121个标签，一个节点可同时拥有多个标签。

3.2 对比模型

• 传导学习：使用多个模型对比，详见表-2，其中效果比较好的有图卷积网络GCN；使用切比雪夫过滤器的Chebyshev；以及MoNet模型。
• 归纳学习：主要与使用不同聚合方法的GraphSAGE模型对比，其它几种方法不能用于该数据集。
  请注意，用于对比的多层感知机MLP完全没有用到图结构信息。

3.3 实验设置

• 传导学习：使用两层GAT模型，第一层多头K=8，每头输出特征数为F'=8，使用ELU激活函数，第二层用于分类，使用单头注意力计算C个特征，C是类别数，后接softmax激活函数。使用了dropout和正则化项，每个节点都可被领域随机采样。
• 归纳学习：使用三层GAT模型，前两层多头K=4，每头输出特征F'=256，使用ELU激活函数，最后一层为多标签的分类，使用6头注意力，每头121个特征，然后取均值，后接sigmoid激活函数。由于训练数据量大，因此不使用dropout和正则化项。还与注意力均为1（所有邻居权重相等）且架构相同的模型进行了对比。
  两个模型均使用 Glorot 初始化，最小化交叉熵损失函数，使用Adam优化器，early stopping策略，最多迭代100次。

3.4 实验结果

• 传导学习
  其中GCN-64* 表示使用64个隐藏层特征。GAT比GCN效果略好，这可能是由于对相同邻居分配不同权重带来的收益。

• 归纳学习
  GAT相对之前方法明显提升20.5%，另外对比了相同架构下，与注意力衡定(Const-GAT)相比，分配给相同邻居不同权重使模型效果提升3.5%。

图-2在CORA数据集上，将GAT模型的第一层t-SNE变换将特征表示可视化。图上聚类对应7个标签，证明了模型输出对不同主题的区分能力。