Paper : Graph Attention Networks
Code :

摘要

注意力机制的核心在于对给定信息进行权重分配，只关注最相关的输入来进行决策。当注意力机制用来生成一个序列的表示时，也被称作是自注意力机制。注意力机制的表示形式如下

假定Source是需要系统处理的信息源，Query代表某种条件或者先验信息，Attention Value是给定Query信息的条件下，通过注意力机制从Source中提取得到的信息。一般Source里面包含有多种信息，我们将每种信息通过Key-Value对的形式表示出来，那么Attention定义为

$$\text{Attention(Query,Source)}=\sum _i{\text{similarity(Query,Key}}_i)\cdot {\text{Value}}_i$$

其中 ${\text{similarity(Query,Key}}_i)$ 表示权重，当Query与Key越接近时，答案越依赖于对应的Value的值。GAT将Attention机制应用到GNN中，Attention机制的三要素分别对应到图中的以下要素

• Query : 某节点的特征向量
• Source : 上一层所有邻居节点的特征向量
• Attention Value : 经过聚合后形成的当前层某节点的特征向量

GAT具有以下几个特点

• 操作高效，可以在 节点-邻居 之间进行并行化计算
• 通过对邻居指定任意权重，可以应用于度数不同的图节点
• 该模型直接适用于归纳学习问题，包括必须将模型推广到完全不可见图的任务

GAT结构

GAT层的输入是节点的特征表示 h = { h → i ∣ 1 ≤ i ≤ N } \text h = \{\overrightarrow{h}_i| 1\leq i\leq N\} h={h i​∣1≤i≤N} ，其中 ${\overrightarrow{h}}_i\in {\mathbb{R}}^F$，输出是聚合后节点的新的特征表示 h ′ = { h ′ → i ∣ 1 ≤ i ≤ N } \text h' = \{\overrightarrow{h'}_i| 1\leq i\leq N\} h′={h′ i​∣1≤i≤N} ，其中 ${\overrightarrow{h^{\prime }}}_i\in {\mathbb{R}}^{F^{\prime }}$。与其他MPNN结构GNN层相似，GAT层需要学习一个线性映射 $W\in {\mathbb{R}}^{F^{\prime }\times F}$ ，而节点 $j$ 对于节点 $i$ 的注意力权重定义为
$$e_{i,j}=a(W{\overrightarrow{h}}_i,W{\overrightarrow{h}}_j)$$

最通用的形式下，该注意力机制可以表示任意节点 $j$ 对任意节点 $i$ 的权重，但是一般限制为一阶邻居和自己，即
j ∈ N ~ ( v i ) N ~ ( v i ) = N ( v i ) ∪ { v i } \\j\in \widetilde N(v_i) \\ \widetilde N(v_i) = N(v_i) \cup\{v_i\} j∈N (vi​)N (vi​)=N(vi​)∪{vi​}

为了便于比较不同节点之间的相关系数，需要对节点 $i$ 所有的邻居节点 $j$ 的权重进行正则化

$${\alpha }_{i,j}={\text{softmax}}_j(e_{i,j})=\frac{\exp (e_{i,j})}{{\sum }_{v_k\in \tilde{N}(v_i)}\exp (e_{i,k})}$$

对于 $e_{i,j}$ ，$a$ 可以选择为非参数的相似度函数，也可以选择使用参数化的模型来输出相似度。在GAT中采用单层全连接网络进行相似度评估，即 $\overrightarrow{a}\in {\mathbb{R}}^{2F^{\prime }}$，并使用LeakyReLU 参数 $\alpha =0.2$，最终权重可以表示为

$${\alpha }_{i,j}=\frac{\exp (\text{LeakyReLU}({\overrightarrow{a}}^{\text{T}}[W{\overrightarrow{h}}_i||{\overrightarrow{h}}_j]))}{{\sum }_{v_k\in \tilde{N}(v_i)}\exp (\text{LeakyReLU}({\overrightarrow{a}}^{\text{T}}[W{\overrightarrow{h}}_i||{\overrightarrow{h}}_k]))}$$

节点表示向量聚合之后的结果如下

$${\overrightarrow{h}}_i^{\prime }=\sigma (\sum _{v_j\in \tilde{N}(v_i)}{\alpha }_{i,j}W{\overrightarrow{h}}_j)$$

为了使自注意力机制的学习过程更加稳定，可以将该方法扩展到multi-head attention，假设同时使用了K个注意力机制，输出是将它们单独的输出进行连接

$${\overrightarrow{h}}_i^{\prime }=|{|}_{k=1}^K\sigma (\sum _{v_j\in \tilde{N}(v_i)}{\alpha }_{i,j}^k{W}^k{\overrightarrow{h}}_j)$$

如果将多头注意力机制使用到最后一层，那么连接操作不太合适，一般使用均值操作来合并多个注意力机制的结果并延迟sigmoid操作

$${\overrightarrow{h}}_i^{\prime }=\sigma (\frac{1}{K}\sum _{k=1}^K\sum _{v_j\in \tilde{N}(v_i)}{\alpha }_{i,j}^k{W}^k{\overrightarrow{h}}_j)$$

总结

GAT提出了一个只需要知道局部特征就可以计算的Attention机制，算法并行支持很好，而且对于效果也有一定的改善。从实验设置上，可能缺乏一个有关计算代价的实验来支持“低代价计算Attention”的结论。GAT具有以下几个可以改进的方向

• 处理的batch size的数据
• 使用Attention分析模型表示能力
• 从node classification 扩展到graph classification
• 将edge features考虑进来