SGC

概述

Wu 等人于 ICML 2019 发表的简化图卷积论文，移除非线性激活并将多层权重矩阵压缩为一个，面向节点分类任务，与 LightGCN 共享简化思路但应用场景不同。

关键内容

1. 核心思想：SGC 发现 GCN 中的非线性激活对节点分类任务的贡献有限，提出移除激活函数并将多层权重矩阵压缩为单个线性变换。公式：H^(K) = (D^(-1/2) A D^(-1/2))^K X Θ。

2. 与 LightGCN 的区别：（a）SGC 面向节点分类，节点有丰富初始特征，简化的目的是提升可解释性和效率；LightGCN 面向协同过滤，节点只有 ID 嵌入，简化有更根本的理由。（b）SGC 使用最后一层嵌入做预测，LightGCN 使用所有层的加权组合。

3. 理论联系：从谱图理论视角，SGC 对应单项式滤波器 P_K(A) = A^K，而 LightGCN 对应均匀加权多项式 P(A) = (1/(K+1)) Σ_{k=0}^{K} A^k。两者都是多项式图滤波器的特例。

4. 历史地位：SGC 是 GNN 简化趋势的早期代表之一，为后续 LightGCN 等工作的简化思路提供了理论参考。

来源

• 15-lightgcn.md — LightGCN 论文中与 SGC 的理论对比分析

相关

• LightGCN — 共享简化 GCN 思路，但面向协同过滤
• APPNP — 与 SGC 同为简化 GNN 的代表工作
• Embedding — SGC 使用的核心技术