理解图学习中的spmm和sddmm

A: sparse matrix，邻接矩阵

B: dense matrix, node embedding features(node2vec) 

C: dense matrix, ...

 

spmm

A * B：可以理解为对连接的节点做聚合，如我的工资等于旁边人的工资的平均。

(如https://docs.dgl.ai/en/0.6.x/tutorials/blitz/3_message_passing.html#sphx-glr-tutorials-blitz-3-message-passing-py)

(copy_u, fn.mean)

 

sddmm

A 逐点乘 （B * C）

B * C，表示dot product做余弦相似度的计算。

A做sampling，只关注需要关注的边。

结果O，一个类似邻接矩阵的稀疏矩阵，表示计算出来的节点之间的相似度。