[DL Hacks]Modeling Relational Data with Graph Convolutional Networks

• nklO0F C 4 C JF C J MJ , G F FCKJ F C 1 JMF BI • g O0 C C JB KCC 6 FD I 1 G 3 J CF D 4 6 JF 0 N 7 CC • a iO 0 6 K 0 6K .K 6 K 2 J P [f e hT c S d nkRW]m

•( ) ) ) / : •( ) ) ) / C : • ) / C . /: C G C - K ) R ) . C

• • • • •

S GKT E E K K N L R OC G A K

•/2 7: eo /2 7. 5 ub v eo pr eo sj • pr eo 15:2 2: / 2 7 : N tg t c n h i aG • 7 547 3: 6 235 2 2 2 5 C ( ) 1/-0 R F l

Graph Convolutional Network ( ) A • • "! = " + %& (A: , %& : ')) = Σ+ "! )+ ( ,: . (0) ∈ ℝ& × 5 : l ) 3

! "#,% : ℎ# '%

- -

• •

• • 2,2 2, ,12 2,2 G D 2 C R M ) ( N

• • 1 I jk 1 R L 2 2 :1 5 0 _e bC :I :I mIc ao g ao 1 0 fn Ei :1 1 0 ln d

0 01 1 1 0 0 0 0 1 1 0 0 1 0 0

•

5 1 5 5 5 1 5 8 8 1 1 5 1 5 5

• • . / / . / / : . / .

2 3 E 6 5 B: 45 4 4E 4 2 3 E : 5 6B 4 B 4 :6 2 3 . /6 6 4 .B7 : 4 B 4 74 4 6B B B 4 B E 40 40 2 3 , E 4 14 : 4 - 5 77 : 4 : 4 7 6 B :4 E4 7 4 B E B 7: 54E E

• V A : S GT 21 E 2 : FE A : : : • : -2A . M 21 3: 3: I G 3: : : A : A GB 3: 3: :

•