组队学习-图神经网络（first）

最新推荐文章于 2022-11-21 15:56:52 发布

Etc_in_the_great

最新推荐文章于 2022-11-21 15:56:52 发布

阅读量249

点赞数

文章标签：机器学习人工智能深度学习 python

本文链接：https://blog.csdn.net/Etc_in_the_great/article/details/117925210

版权

本文介绍了图神经网络的基础知识，包括图的定义、类型和性质，以及图结构数据上的机器学习任务。讨论了应用神经网络于图的挑战，如非规则结构和拓扑信息的重要性。还提到了图数据在PyTorch Geometric库中的表示和使用。最后，提出了一个关于'机构-作者-论文'网络的实现作业。

摘要由CSDN通过智能技术生成

最近图神经网络比较火，所以想着了解一下图神经网络，看能不能将他应用到自己的研究方向上。

图用节点表示实体，用边表示实体间的关系，大部分情况下节点含有信息，边可能含有信息。
无向图的邻接矩阵是对称的。
结点v的k跳远的邻接节点指的是到结点v要走k步的节点（一个节点的2跳远的邻接节点包含了自身）。
walk(v_{1},v_{2})=(v_{1},e_{6},e_{5},e_{4},e_{1},v_{2})，这是一次“行走”，从v1出发经过边e6,e5,e4,e1，最终到达节点v2
“路径”是不可重复的行走
给定图G‘ = {V’, ε’}是图G = {v, ε}的子图，记属于图G但不属于G’ 图的结点集合记为v/v’ 。如果属于v’的任意结点对之间存在至少一条路径，但不存在一条边连接属于v’的结点与属于v/v’的结点，那么图G’是图G的连通分量。
给定一个图G = {V, ε}，其邻接矩阵为A，其拉普拉斯矩阵定义为L = D - A。其中D = diag(d(v1),…,d(vn))。
图的种类
同质图：只有一种类型的节点和一种类型的边的图。
异质图：存在多种类型的节点和多种类型的边的图。
二部图：节点分为两类

关注