GraphSAGE 核心原理：采样与聚合

讲 GraphSAGE，绕不开两个动作：采样和聚合。我把这叫作 GraphSAGE 的「两条腿」。你想想看，一个图神经网络如果要在工业级图上跑起来，全靠这两条腿走路。我刚开始接触时也困惑过——为什么不能像 GCN 那样一次算完？原因其实很简单。

1. 从邻居采样说起

GCN 做的是全图卷积，每个节点都要聚合所有邻居。小图还行，图一上百万节点，邻接矩阵你根本存不下。这时候 GraphSAGE 站出来了：我不算全部，我只算一部分。

采样的核心思路是：对每个目标节点，固定抽取 S 个邻居。邻居不够？重复抽。邻居多了？随机截断。这样就把每个节点的计算复杂度锁死在 O(S) 上，不再随图规模膨胀。

关键参数：采样数量 S 和采样层数 K 决定了模型的感受野。一层采样看到 1 阶邻居，两层看到 2 阶，K 层看到 K 阶。但层数不是越多越好——我之前有个项目堆到 4 层，结果训练时间翻了 8 倍，效果反而不如 2 层。经验是：K=2 通常够用，K=3 是上限。

采样策略上，GraphSAGE 用的是 均匀随机采样。没有加权，没有偏好，就是纯随机。为什么这么简单？因为实验发现加权策略带来的收益微乎其微，反而增加了实现复杂度。嗯，这里有个教训——

我曾经在一个社交推荐项目里自己加了个「按度数加权采样」，觉得高邻居节点更重要。结果模型收敛变慢，AUC 还没涨。后来复盘发现：采样随机性本身就是一种正则化，破坏了随机性反而过拟合。

2. 聚合函数的艺术

采样完了，邻居特征拿过来了，怎么合并？这就是聚合函数的事了。GraphSAGE 提出了三种聚合方式，各有各的脾气。

聚合器 核心思想 适用场景
Mean 聚合器 对邻居特征逐元素取均值，再与目标节点拼接 通用场景、节点特征分布均匀时
LSTM 聚合器 将邻居特征排序后输入 LSTM，取最后状态 邻居有顺序依赖或时序关系时
Pooling 聚合器 每个邻居特征过 MLP，再取 max-pooling 邻居特征差异大、需要突出关键邻居时

Mean 聚合器是最朴素的做法。把邻居特征求个均值，跟目标节点特征拼起来，过一层全连接。简单，稳定，不出错。我个人的习惯是：初次建模，无脑用 Mean。先跑通 baseline，再考虑换别的。

LSTM 聚合器有意思。它要求邻居有顺序，但图里邻居天然是无序的。所以用之前得先给邻居排个序——按 ID、按度数、按特征值都行。排序本身没有语义，但 LSTM 对顺序敏感，所以它其实是把「排列不变性」这个问题抛给了训练。我建议非必要不用 LSTM 聚合，除非你的数据本身就有时序属性。

Pooling 聚合器是三种里表达能力最强的。每个邻居单独过一个 MLP，然后取最大值。这样做的好处是：不管邻居数量多少，最终都能提取出最重要的信号。我在一个风控项目里用过它——当时欺诈节点的邻居特征很杂，Pooling 能抓到那几个「高危邻居」的信号，效果明显优于 Mean。

补一句：Pooling 聚合器的 MLP 是共享权重的。也就是说所有邻居过同一个 MLP，参数量不会随邻居数增长。这是它实用的关键。

3. 前向传播流程

理解了采样和聚合，前向传播就是把这俩串起来。我习惯把它想成一个「从外向里逐层收窄」的过程。

流程图说明：下方 SVG 展示了 GraphSAGE 的两层前向传播。目标节点先向 1 阶邻居采样，再向 2 阶邻居采样；然后从最外层（2 阶）开始聚合，逐层向内，最终生成目标节点的嵌入。

GraphSAGE 两年前向传播流程 目标节点 v 邻居 u₁ 邻居 u₂ 邻居 u₃ 聚合 1 阶邻居 邻居 w₁ 邻居 w₂ 邻居 w₃ 聚合 2 阶邻居 拼接 + 非线性变换 节点嵌入 z_v 📌 两层聚合后，每个节点 融合了 2 阶邻域信息。 采样锁定了计算复杂度， 聚合完成了信息传递。

前向传播的代码实现其实很紧凑。这是两层的伪码——

def forward(graph, features, sample_sizes=[10, 5]):
    # 第1层：采样1阶邻居，然后聚合
    neighbors_1 = sample(graph, nodes, sample_sizes[0])
    h_1 = aggregate(features, neighbors_1, agg_type='mean')
    h_1 = ReLU(W_1 @ h_1 + b_1)

    # 第2层：采样2阶邻居，然后聚合
    neighbors_2 = sample(graph, neighbors_1, sample_sizes[1])
    h_2 = aggregate(h_1, neighbors_2, agg_type='mean')
    h_2 = ReLU(W_2 @ h_2 + b_2)

    return h_2  # 最终节点嵌入

注意顺序：先采样，后聚合。从最外层（2 阶）开始聚合，结果传给内层（1 阶），最后到目标节点。这个顺序不能乱——

我曾经在实现时把聚合顺序写反了，先聚合 1 阶再去采 2 阶，结果 2 阶邻居的 embedding 根本没更新。排查了一天，最后发现是循环里的索引错了。嗯，这种低级错误，犯过一次就记住了。

4. 模型训练目标

GraphSAGE 的训练目标分两派：无监督和有监督。选择哪派，取决于你手里有没有标签。

无监督损失用的是图结构本身作为监督信号。核心思想是：相邻节点的嵌入应该相似，不相邻的节点应该区分开。损失函数长这样——

L = -log(σ(z_v^T z_u)) - Q * log(σ(-z_v^T z_n))

其中 u 是 v 的邻居，n 是随机采样的负样本，Q 是负样本数量。说白了就是：让正样本对距离近，负样本对距离远。我在一个用户画像项目里用过这个方案——没有标签，全靠图结构训练 embedding，最后聚类效果居然还不错。

有监督损失就常规了。节点分类就用交叉熵，链接预测就用 BCE。GraphSAGE 的顶层输出接一个分类器就行。这里有个小细节——

我建议：如果标签稀疏，先用无监督预训练一波，再用少量标签做微调。这种方式在工业场景下特别实用。预训练阶段学到的图结构信息，微调阶段不会丢掉。

训练时的几个坑——

  • batch size 别太大：GraphSAGE 每个 batch 都要重新采样子图，batch 太大内存扛不住。我一般设 256~1024。
  • 负样本数量 Q 不是越多越好：Q=5 通常就够，再多收益递减。
  • 层数 K 和采样数 S 要一起调：K=2 时 S=10~15 效果好；K=3 时 S=5~8 就够了，否则感受野膨胀太厉害。

最后补一句——GraphSAGE 的训练目标和采样聚合是绑定在一起的。你设计损失函数时，心里始终要想着：采样控制了模型看到什么，聚合决定了模型记住什么，损失函数引导了模型学到什么。三者环环相扣，缺一不可。

← 上一章 📖 返回目录 下一章 →