拉普拉斯矩阵

概述

拉普拉斯矩阵是图论中的一个重要矩阵，用于描述图的结构性质。在谱图理论和图神经网络中，拉普拉斯矩阵是构建图卷积和其他图信号处理操作的基础。

关键内容

1. 基本定义：
2. 未归一化拉普拉斯矩阵：L = D - A
3. 对称归一化拉普拉斯矩阵：Lsym = D^(-1/2) L D^(-1/2) = I - D^(-1/2) A D^(-1/2)
4. 随机游走归一化拉普拉斯矩阵：Lrw = D^(-1) L = I - D^(-1) A

5. 其中D为度矩阵（对角线为节点度数），A为邻接矩阵，I为单位矩阵

6. 重要性质：

7. 对称半正定矩阵，所有特征值非负
8. 最小特征值为0，对应的特征向量为常数向量
9. 第二小特征值λ2（Fiedler值）反映图的连通性

10. 特征值分布反映图的全局结构信息

11. 在图神经网络中的应用：

12. GCN中的图卷积操作基于拉普拉斯矩阵
13. LightGCN使用对称归一化邻接矩阵D^(-1/2) A D^(-1/2)进行传播

14. 通过拉普拉斯矩阵的特征分解实现谱域卷积

15. 在推荐系统中的体现：

16. 用户-物品二部图的拉普拉斯矩阵描述协同信号传播
17. 通过拉普拉斯矩阵的幂次操作实现高阶邻域信息聚合
18. 特征分解帮助理解嵌入在传播过程中的平滑效应

来源

• 15-lightgcn.md — LightGCN论文中涉及拉普拉斯矩阵相关的对称归一化操作

相关

• 图神经网络 — 使用拉普拉斯矩阵构建图卷积
• 谱图理论 — 拉普拉斯矩阵是其核心研究对象
• 图滤波器 — 以拉普拉斯矩阵为基础构建
• LightGCN — 使用拉普拉斯矩阵相关的对称归一化邻接矩阵