论文笔记《Spatio-Temporal Graph Structure Learning for Traffic Forecasting》
【论文】 Zhang Q, Chang J, Meng G, et al. Spatio-Temporal Graph Structure Learning for Traffic Forecasting[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2020, 34(01): 1177-1185.
【代码】 暂无
目录
-
1. Structure Learning Convolution
-
- 1.1 Formulation of SLC
- 1.2 Relationship Between SLC and CNN Methods
-
2. SLCNN for Traffic Forecasting
-
- 2.1 Global Structure Learning Convolution
- 2.2 Local Structure Learning Convolution
- 2.3 Pseudo Three Dimensional SLC
-
3. Experiments
本篇文章主要是解决如何建模复杂、动态的空间依赖性 问题，作者认为现在用的图卷积神经网络存在以下几个问题：
- 使用预定义方法，或依赖于图结构的先验知识，这些并不能保证预测当前学习任务的准确性。
- 多利用局部图结构，忽略了远距离关系。
- 图结构一旦定义即固定，而实际上交通数据每时每刻都在变化，图结构也在变化。
因此，作者提出一种通用的图卷积公式Structure Learning Convolution (SLC)，它能将结构信息显示地建模到卷积运算中。文章提出的SLCNN Layer部署了两个 SLC 分别用于捕捉全局和局部结构信息。同时，作者还将Pseudo three Dimensional convolution (P3D) networks 与 SLC 结合，用于捕捉时间依赖性。下面是对文章（模型）思路的梳理。
1. Structure Learning Convolution
1.1 Formulation of SLC
本节主要说明 Structure Learning Convolution(SLC) 基本思想，以及和普通卷积的异同点，这部分是本文模型的一个核心点，先记住构造思路就行，看上去还挺直观的。
作者认为卷积运算可看作是对输入信号的聚合操作 ，对于图结构数据 ，聚合操作不仅仅要聚合信号值，还要聚合图结构信息。因此，作者提出 SLC 表示为：y_{i}=f\left(\sum_{e_{i j} \in \mathcal{E}} S_{i j} w_{j} x_{j}\right)，其中：
- f(·) 是激活函数；
- y_i 是节点 i 的输出信号；
- x_i 是节点 i 的输入数据，注意是embedded在图上的数据；
- e_{i j} \in \mathcal{E} 表示 i/j 之间有边，其中\mathcal{E}不是预定义的，是在训练中得到的。
- \mathbf{W} 是 n 维卷积核权重，w_j 是其中第 j 个元素。\mathbf{w} \in \mathbb{R}^{C_{i n} \times C_{o u t} \times K_{\max }} 部分起到 convolutional kernel module 的作用。
- S_{i j} 表示 i/j 之间的关联度。\mathbf{S} \in \mathbb{R}^{N \times K_{\max }} 部分起到 structure module 的作用，当K_{\max }=N时表示全局图结构，反之是局部图结构。
1.2 Relationship Between SLC and CNN Methods
本节主要说明了之前提出的各种CNN方法，可以通过恰当定义 S ，然后通过SLC 的特定实例得到。仅以 普通卷积 和 Chebyshev Spectral CNN (ChebNet) 举例。
Classical CNN 定义为：
y_{i}=f\left(\sum_{e_{i j} \in \mathcal{E}} w_{j} x_{j}\right)
这个你就可以看成是 SLC 中 S=1（一种特例情况），因为普通卷积一视同仁地对待所有节点，不区分它们的位置信息。
ChebNet 定义为：
\mathbf{y}=f\left(\sum_{j=1}^{C} \alpha_{j} T_{j}(\tilde{\mathbf{L}}) \mathbf{x}\right)
其中，T_{j} 表示切比雪夫多项式的第 j 项，\alpha_{j} 是相关系数，这个公式是 ChebNet 的基本定义。
ChebNet 可以定义为不同 SLCs 的总和，其中每一个都可以将图结构定义为Laplacian矩阵的Chebyshev多项式，即对于第 j 个 SLC，\mathbf{S}^{j}=T_{j}(\tilde{\mathbf{L}}) \in \mathbb{R}^{N \times N}（时刻记住 S 表示图结构信息）。
2. SLCNN for Traffic Forecasting
Structure Learning Convolutional Neural Network (SLCNN) 即为文章所提出的模型名称，左侧（橘色底色）部分是 SLCNN 整体结构，看上去还是比较简明的。模型的关键在于，不同于常规模型在网络的每一层都具有相同的结构（参数），该模型中每个SLCNN Layer都是不同的（学习到的参数不同），每一层都学习到不同的全局和局部图结构。那么，如何构造不同的SLCNN Layer？
每个 SLCNN Layer 由 global SLC 和 local SLC 组成：
- global SLC：用于捕捉全局图结构信息，不管节点是远是近
- local SLC：用于更好捕捉局部图结构信息
2.1 Global Structure Learning Convolution
利用 ChebNet 定义 global SLC，公式如下图，其中橘色部分为可学习的参数
- T_{k}(\cdot) \in \mathbb{R}^{N \times N} 是 k 阶切比雪夫多项式。要注意的是 使用的不再是预定义的邻接矩阵，其中 \mathbf{W}^{s} 是静态的图邻接矩阵（学习得到），\mathbf{W}^{d} 是动态的图邻接矩阵，但不是学习得到的参数，而是\phi(\mathbf{x}) 的输出，其中 \mathbf{W}_{\phi} 是可学习的参数。
- 公式的前半部分是对全局静态结构建模(global static)，后半部分是对全局动态结构建模(global dynamic)。
回忆1.1节作者提出的 SLC 的结构 y_{i}=f\left(\sum_{e_{i j} \in \mathcal{E}} S_{i j} w_{j} x_{j}\right)，并且作者认为 ChebNet 可以用几个特定的 SLCs和 的形式表示，那么：
- 静态图结构部分表示为 \mathbf{S}^{k}=T_{k}\left(\mathbf{W}^{s}\right)
- 动态图结构部分表示为 \mathbf{S}^{k}=T_{k}\left(\mathbf{W}^{d}\right)
这部分和普通图卷积区别体现在：
- STGCN 和 DCRNN 是使用预定义的邻接矩阵，而 SLC 的邻接矩阵从数据中学习得到。
- STGCN 和 DCRNN 采用带阈值的高斯核定义邻接矩阵，这样一来它们能捕捉的就只能是局部图结构信息，本文通过 W^s W^d 体现的是全局的信息。
- 以往模型所有数据均共享同一个权重矩阵，而本文 W^d 的值依赖于当前时刻的输入，所以不同输入数据具有的不同图结构信息也被体现了出来。
2.2 Local Structure Learning Convolution
local SLC 的定义和 global 的类似，橙色部分依旧是可学习的参数，B^d 来自于当前输入数据的计算。
2.3 Pseudo Three Dimensional SLC
前面两节都是对空间维度的建模，本节提出 P3D-SLC 用于捕捉时间依赖性（也有空间）。
P3D 网络主要解决了两个问题：
- 解决原始3D卷积计算量过大的问题
- 仿照 resnet 构建更深的网络
P3D 网络大概做法：
原始3D卷积核3 3 3，现在把它拆成：
- 1 *3 *3的2D卷积，用于对空间关系建模
- 3 *1 *1的1D卷积，用于对时间关系建模
【2】Pseudo-3D Residual Networks 算法笔记
【3】Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks
这部分说的很简略…实在不知道是怎么用的P3D = =，最后再看一下 SLC layer 图，左边这个是没有P3D的，有边有P3D。
3. Experiments
数据集：6个数据集
- PeMS-S / PeMS-BAY / METR-LA 是公共数据集
- BJF / BRF / BRF-L 是作者采集的数据
对比模型：
- Historical Average (HA), Auto-Regressive Integrated Moving Average(ARIMA), FC-LSTM, Feed-Forward Neural Network, GCNN methods, GWN, STGCN, DCRNN
- SLCNN-NP3D 没有P3D
- SLCNN-P 冻结了SLCNN的结构学习能力，只使用预定义的图形结构并删除P3D模块
这两个数据集上 Graph wavenet 效果更好，好玄学…
除此之外，还验证了 Local and Global Graph 和 Static and Dynamic Graph 的有效性，以及计算效率。
