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。