历安毛子代枚大等 (1)GraphSAGE XIDIAN UNIVERSITY 如图所示，模型中有K个整合函数，分别记为AGGREGATE,还有K个权矩阵 W,k∈{1，.，K。整合函数用于从邻居节点整合信息，与自身信息拼接，通 过加权矩阵得到当前自身的表示。在这个阶段，总是认为模型的参数是固定的 (已经训练好的)，具体来说，就是模型的K个整合函数的参数是已知的。 Algorithm 1:GraphSAGE embedding generation(i.e.,forward propagation)algorithm Input Graph G(V,E);input features {x,Vv V;depth K;weight matrices W,1,.);non-linearity o;differentiable aggregator functions AGGREGATEK,∀k∈{1，，K};neighborhood function:v→2y Output:Vector representations z for all vV 1hg←xm,u∈V; 2 for =1...K do 3 forv∈Vdo 4 h回←AGGREGATEk({h-1,u∈N(u}: h暗←a(W.CONCAT(h-1,ho） 6 end 7 h5←h5/川hll2,oey 8 end 5 9zw←h,uey（1） GraphSAGE 5 如图所示，模型中有K个整合函数，分别记为AGGREGATEk，还有K个权矩阵 Wk ， k∈{1,…,K}。整合函数用于从邻居节点整合信息，与自身信息拼接，通 过加权矩阵得到当前自身的表示。在这个阶段，总是认为模型的参数是固定的 （已经训练好的），具体来说，就是模型的K个整合函数的参数是已知的