Graph Transformer Networks论文阅读笔记

最新推荐文章于 2024-04-11 09:30:42 发布
最新推荐文章于 2024-04-11 09:30:42 发布
阅读量203 收藏
点赞数
分类专栏： 图机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SXxtyz/article/details/116592650
版权

因为在异构图中进行手动标注meta-path需要耗费大量的人力资源，所以本算法提出了通过学习meta-path的机制。
在这里插入图片描述
进行 1 × 1 1\times 1 1×1的卷积，将所有的meta-path生成的图片进行存储（为了能够处理原先的边，特此引入了单位矩阵）。假设一共有 n n n个图片，则进行 1 × 1 × n × C 1\times 1\times n\times C 1×1×n×C的卷积操作，其中 C C C是通道数。生成的矩阵两者相乘即可。
在这里插入图片描述
上图为多长度的meta-path。

SXxtyz
关注
专栏目录
GNN-图卷积模型-2019：GTN【Graph Transformer Networks】【异质图】
u013250861的博客
05-25 758
摘要：图神经网络在图的表示学习中得到了广泛的应用，在节点分类和链路预测等任务中取得了很高的性能。然而，大多数现有GNNs的设计目的是学习固定和齐次图上的节点表示。当学习指定错误的图或由各种类型的节点和边组成的异类图上的表示时，这种局限性尤其成问题。在本文中，我们提出了能够生成新图结构的图转换网络(GTNs)，它涉及到识别原始图上未连接节点之间的有用连接，同时以端到端方式学习新图上的有效节点表示。Graph Transformer层是GTNs的核心层，它学习了边类型的软选择和复合关系，以生成有用的多跳连接，即
【ICLR 2018图神经网络论文解读】Graph Attention Networks (GAT) 图注意力模型
捡起一束光的博客
11-06 4952
与GCN类似，GAT同样是一种局部网络。因此，训练GAT模型无需了解整个图结构，只需知道每个节点的邻节点即可。
GTN-Graph Transformer Network 图变换网络 NeurIPS2019
u013602059的专栏
03-18 7051
来源：NeurIPS 2019 论文链接 代码链接 摘要 图神经网络（GNNs）在图表示学习中得到了广泛的应用，实现了节点分类和连接预测等任务的最佳性能。然而，大多数现有的GNNs都被设计为在固定（fix）和同质（homogeneous）的图上学习节点表示。当在不确定的图或由各种类型的节点和边组成的异构（heterogeneous）图上学习表示时，这些限制尤其成问题。本文提出了能够生成新的图结构...
Graph Transformer Networks（图Transformer网络）
热门推荐
垃圾就应该待在垃圾桶里的博客
03-25 1万+
Graph Transformer Networks与2019年发表在NeurIPS上 文章目录摘要一、Introduction二、Related Works三、Method3.1准备工作3.2 Meta-Path Generation3.3 Graph Transformer NetworksConclusion个人总结 摘要 图神经网络(GNNs)已被广泛应用于图形的表示学习，并在节点分类和链路预测等任务中取得了最先进的性能。然而，大多数现有的神经网络被设计来学习固定和同构图上的节点表示。当学习由各
【论文阅读】Graph Transformer Networks
cziun的博客
03-20 1319
目录摘要 摘要 GNN已被广泛应用于图的表示学习，并在节点分类和链路预测等任务中取得了最先进的性能。然而，大多数现有的GNN都被设计用来学习固定图和齐次图上的节点表示。当学习由各种类型的节点和边组成的异质图上的表示时，这些限制尤其成为问题。本文提出了能够生成新的图结构的Graph Transformer Networks（GTN），它涉及识别原始图上未连接的节点之间的有用连接，同时以端到端的方式学习新图上的有效节点表示。 ...
Graph Transformer Networks
王尚权 qq:2515162716
01-14 289
Graph Transformer Networks 通过自动选择元路径以端到端的方式实现异构图特征表示。
【论文笔记】Graph Transformer Networks
mirrorssssssss的博客
01-02 9232
原文摘自我自己的博客Link：http://holdenhu.site/2020/paper-notegraph-transformer-networks/ 题目：《Graph Transformer Network》 ???? 作者：Seongjun Yun 来源：NeurIPS2019 源码：Not published yet 笔记：Hu Hengchang Intro GTN...
论文阅读笔记-A Context-Aware Citation Recommendation Model with BERT and Graph Convolutional Networks
qq_40801569的博客
11-10 852
论文链接：[1903.06464] 具有 BERT 和图形旋转网络的上下文感知引文建议模型 (arxiv.org) 发表在2019年
时空 graph transformer
08-14
- *2* *3* [论文阅读笔记7——TransMOT: Spatial-Temporal Graph Transformer for MOT](https://blog.csdn.net/wjpwjpwjp0831/article/details/121359323)[target="_blank" data-report-click={"spm":"1018.2226....
【论文笔记】ST-TR：Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks
LoveKKarlie_的博客
02-16 4215
Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks基于骨骼通过时空变换网络的行为识别，CVPR2020。 时空变换网络ST-TR： 基于双流的Transformer-based模型；spatial self-attention(SSA)：用于了解不同身体部位之间的帧内交互；temporal self-attention(TSA)：用于对帧内相关性进行建模；研究关节随时间的动力学。
2019 NeurIPS | Graph Transformer Networks
发呆的比目鱼的博客
09-17 505
2019 NeurIPS | Graph Transformer Networks
异配图神经网络——Graph Transformer Networks
LW的技术小筑
04-15 2752
作者提出了Graph Transformer Network (GTN)用来在异配图（heterogeneous graph）上学习节点表示。通过Graph Transformer层，模型能将异构图转换为由meta-path定义的多个新图，这些meta-paths具有任意的边类型和长度，通过在学得的meta-path对应的新图上进行卷积能获取更有效的节点表示。在几个异配图数据集上的实验结果也验证了GTN的有效性。
深度学习-Graph Transformer Networks相关
qq_43676847的博客
05-09 1139
Graph Transformer NetworksHeterogeneous Graph（异质图）meta-path（元路径）针对元路径的attentionHeterogeneous Graph Transformer： Heterogeneous Graph（异质图） 图中每个节点有不同的类型，由这些节点之间关系定义的连边也有不同类型，如下例子： 区分： 同质图：图中所有节点的类型都相同，边类型只有一种的标准图 meta-path（元路径） 沿着节点的多跳路径，例如PVP,PFP,IAPPVP, PF
图学习——05.GTN（Graph Transformer Network）
m0_51474171的博客
10-17 2468
在本文中，我们提出了能够生成新图结构的Graph Transformer Network（GTN），其中包括识别原始图上未连接节点之间的有用连接，同时在端到端学习新图上的有效节点表示形式。最近的一种补救方法是手动设计元路径，这些元路径是与异构边连接的路径，并将异构图转换为由元路径定义的其次图表示，而HAN通过将异构图转换为由元路径构造的其次图来学习图表示学习。但是，这些方法由领域专家手动选择元路径，因此可能无法捕获每个问题的所有有意义的关系，同样，元路径的选择也会显著影响性能。 与这些方法不同，我们的可以在
探索未来图神经网络：Graph Transformer Networks
最新发布
gitblog_00043的博客
04-11 564
探索未来图神经网络：Graph Transformer Networks 项目地址:https://gitcode.com/seongjunyun/Graph_Transformer_Networks 在深度学习的世界里，图神经网络（Graph Neural Networks, GNN）正在成为处理非欧几里得数据的首选工具，尤其是在社交网络、化学分子结构分析和推荐系统等领域。今天，我们要介绍一...
【GNN笔记】Graph Transform Network（八）
panbaoran913的博客
07-09 1395
graph Transformer Network的理论知识和代码解读
异构图神经网络（4）Graph Transformer Networks
qq_42275073的博客
02-01 1738
Graph Transformer Networks这篇文章发表于NIPS 2019。 Motivation 最近关于异构图嵌入学习的方法都是设计meta-path，基于meta-path将异构图划分成多个同构图，然后再用传统的GNN处理同构图。这种two-stage的方法要求对于每个问题手动设计meta-paths，后续分析的准确性会因不同的meta-paths而受到影响。所以作者为了防止手动选择meta-paths不利于了模型效果，提出了自动学习meta-paths的方法。 Preliminary G=
论文笔记 EMNLP 2020|Graph Transformer Networks with Syntactic and Semantic Structures for Event Argument
o11oo11o的博客
12-28 584
文章目录1 简介1.1 创新2 方法3 实验 1 简介 论文题目：Graph Transformer Networks with Syntactic and Semantic Structures for Event Argument Extraction 论文来源：EMNLP 2020 论文链接：https://arxiv.org/pdf/2010.13391.pdf 1.1 创新 同时使用句法和语义结构，以帮助在论元抽取中学习到高效的向量表示，使用Graph Transformer Networks(
为什么说 Transformer 就是图神经网络？
流向博客
03-06 395
前言 有些工程师朋友经常问我这样一个问题：“图深度学习听起来很棒，但是现在是否有非常成功的商业案例？是否已经在实际应用中部署？” 除了那些显而易见的案例，比如Pinterest、阿里巴巴和Twitter公司部署的推荐系统，一个稍有细微差别的成功案例就是Transformer架构的实现，它在NLP行业引起了轩然大波。 通过这篇文章，我想建立起图神经网络（GNNs）和Transformers之间的联系...
graph transformer networks
03-16
Graph Transformer 网络是一种基于 Transformer 模型的图形神经网络，用于处理具有图形结构的数据。它通过对图形中的节点和边进行编码，并使用 self-attention 机制来计算节点间的相互关系，从而获得图形的表示。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值