论文浅尝 | GMNN: Graph Markov Neural Networks

最新推荐文章于 2021-10-17 15:38:39 发布
最新推荐文章于 2021-10-17 15:38:39 发布
阅读量2.2k 收藏 6
点赞数 1
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/TgqDT3gGaMdkHasLZv/article/details/104322602
版权
本文介绍了ICML 2019上的一篇论文，提出了图马尔可夫神经网络（GMNN），它结合了统计关系学习（SRL）和图神经网络（GNN）的优势，用于弱监督下的关系数据对象分类。GMNN通过变分EM框架优化，考虑节点标签间的依赖性，解决了传统SRL和GNN方法的局限。论文详细阐述了模型的E步和M步优化过程，旨在改进节点表示学习和依赖建模。
摘要由CSDN通过智能技术生成

论文笔记整理：吴锐，东南大学硕士研究生，研究方向为自然语言处理

 

     

来源：ICML 2019

链接：http://proceedings.mlr.press/v97/qu19a/qu19a.pdf

 

  1. 问题定义

弱监督下的在关系数据中的对象分类。形式化地来说，给定一个图G，图上有结点V表示一系列对象，在对象间存在有一系列边E，且每个结点都有对应的属性XV。当前已知部分结点L的标签，目的是推测出剩余结点U的标签值。

             

 

  1. 相关工作

该问题当前主要可以从两个方向进行研究：

1）统计关系学习（SRL, Statistical Relational Learning）

以统计模型来对关系数据进行建模

最低0.47元/天 解锁文章
开放知识图谱
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
文献学习(part12)--GMNN: Graph Markov Neural Networks
小山羊的学习日志
11-30 347
学习笔记，仅供参考，有错必纠 文章目录GMNN: Graph Markov Neural NetworksAbstractIntroduction相关著作统计关系学习基于图的半监督分类图形神经网络GNN的概率几何推理问题定义和初步问题定义 GMNN: Graph Markov Neural Networks Abstract 本文研究关系数据中的半监督对象分类，这是关系数据建模中的一个基本问题。在统计关系学习(例如关系马尔可夫网络)和图形神经网络(例如图形卷积网络)的文献中已经广泛研究了该问题。 统计关
探索数据关系的新境界：GMNN（Graph Markov Neural Networks）
最新发布
gitblog_00094的博客
06-08 320
探索数据关系的新境界：GMNN（Graph Markov Neural Networks） 项目地址:https://gitcode.com/DeepGraphLearning/GMNN 在这个数据驱动的时代，理解和挖掘复杂结构信息的能力至关重要。为此，我们向您推荐一个创新的开源项目——GMNN。这个项目将传统的统计关系学习方法与最新的图神经网络（GNN）相结合，为半监督对象分类任务开辟了新的道路...
【论文阅读笔记】——GMNN: Graph Markov Neural Networks
梨梨
11-14 4129
ICML2019《GMNN: Graph Markov Neural Networks》 by Meng Qu, Yoshua Bengio, Jian Tang，GNN工作的又一创新，将统计关系学习（SRL）和图神经网络（GNN）结合，该方法适用于图节点分类、节点关系分类，以及无监督的节点表示学习任务。原文地址：https://arxiv.org/abs/1905.06214v1 引言 现实社会...
GMNN: Graph Markov Neural Networks
shaodongheng的博客
07-10 946
文章目录摘要算法网络代码结构 摘要 本文研究了关系数据中的半监督对象分类，这是关系数据建模中的一个基本问题。统计关系学习（例如关系马尔可夫网络）和图神经网络（例如图卷积网络）的文献都对该问题进行了广泛的研究。在本文中，我们提出了结合两个方法优点的图马尔可夫神经网络（GMNN）。 GMNN使用条件随机场对对象标签的联合分布进行建模，可以使用变分EM算法对其进行有效训练。在E步中，一个图神经网络学习有效的对象表示形式，以近似对象标签的后验分布。在M步中，另一个图神经网络用于对局部标签依赖性进行建模。 算法网络代
【论文阅读】GMNN: Graph Markov Neural Networks 终极理解方案
xiangduixuexi的博客
04-17 652
理解方案 先根据柚子皮的EM算法理解[3]，把上面概率论的EM算法例子看一遍，脑子里大概有个EM具体的印象； 然后看90Zeng的EM算法推导[4]，给公式的物理意义搞懂，隐变量(预测值)，完全数据(预测+观测)，不完全数据(观测)； GMNN用到的思想Amortized Variational Inference，参考[5]； 最后看[1]，[2]中有些图片可以参考，中间看不懂的去看原论文。 有...
ICML 2019 | 图马尔可夫神经网络
DrugAI
06-25 2412
作者 | 涂心琪审稿人 | 李梓盟今天给大家介绍蒙特利尔算法研究所Yoshua Bengio教授课题组在ICML 2019发表的文章“GMNN:Graph Markov Neural N...
A comprehensive survey on graph neural networks..pdf
02-14
图神经网络（Graph Neural Networks，GNNs）是一种深度学习方法，旨在处理非欧几里德空间中表示的图数据。近年来，深度学习在图像分类、视频处理、语音识别和自然语言理解等领域取得了巨大成功。但是，传统的机器...
刘知远-Introduction to Graph Neural Networks.pdf
04-01
Euclidean graph data that contains rich relational information between elements and cannot be well handled by traditional deep learning models (e.g., convolutional neural networks (CNNs) or recurrent ...
Introduction to Graph Neural Networks.pdf
04-19
图神经网络（Graph Neural Networks, GNN）是深度学习领域中的一个重要分支，它专注于处理图数据。图数据结构广泛存在于各种现实世界问题中，如社交网络、化学分子结构、交通网络等。CMU的Minji Yoon博士在她的112页...
GATED GRAPH SEQUENCE NEURAL NETWORKS
03-03
Our starting point is previous work on Graph Neural Networks (Scarselli et al., 2009), which we modify to use gated recurrent units and modern optimization techniques and then extend to output ...
graph neural network review.rar
07-03
对目前图神经网络的技术进行总结。经典graph算法，概率图模型和图神经网络。
E(n) Equivariant Graph Neural Networks
04-13
E(n) Equivariant Graph Neural Networks
[论文笔记]GMNN图马尔可夫网络原理
qianxie1的博客
10-17 965
GMNN Note 参考： Paper: GMNN: Graph Markov Neural Networks (arxiv.org) Paper Motivation 问题定义：弱监督下的关系数据中的对象分类。形式化地来说，给定一个图G，图上有结点V表示一系列对象，在对象间存在有一系列边E，且所有结点的属性集合为xVx_VxV​。当前已知部分结点L的标签yLy_LyL​，L⊂VL\subset VL⊂V，目的是推测出剩余结点U的标签值yUy_UyU​，U=V−LU=V-LU=V−L。 该问题当
图马尔可夫网络：融合统计关系学习与图神经网络
Paper weekly
04-07 591
©PaperWeekly 原创 ·作者｜石壮威学校｜南开大学硕士研究方向｜机器学习、图神经网络论文标题：GMNN: Graph Markov Neural Networks收录会议：IC...
Graph Neural Networks: A Review of Methods and Applications简介
dreamweaverccc的博客
04-10 851
Jie Zhou et al. 2018.
Graph Neural Network Review
图特摩斯科技-博客
05-17 973
图(graph)是一个非常常用的数据结构，现实世界中很多很多任务可以描述为图问题，比如社交网络，蛋白体结构，交通路网数据，以及很火的知识图谱等，甚至规则网格结构数据(如图像，视频等)也是图数据的一种特殊形式，因此图是一个很值得研究的领域。 针对graph的研究可以分为三类： 1.经典的graph算法，如生成树算法，最短路算法，复杂一点的二分图匹配，费用流问题等等； 2.概率图模型，将条件概率...
图神经网络学习笔记（一）：graph attention neural network
lyd1995的博客
08-04 2384
论文地址 代码实现（tensorflow） 论文里面实现的GAT网络是多注意力机制的，直接理解起来很困难，这里我们就先从单注意力机制的GAT网络说起。 一、单注意力机制 先来看看单注意力下，GAT网络的工作流程： ...
The Graph Neural Network Model论文学习笔记
Frankwz的专栏
06-21 2858
The Graph Neural Network Model论文学习摘要1.简介 原文链接 摘要 诸如计算机视觉、分子化学、模式识别、数据挖掘等许多科学和工程领域中的数据间的潜在关系可以用图来表示。本文提出一种新的神经网络模型——图神经网络模型——对现有的神经网络模型进行了拓展，适用于处理可以表示为图的数据。该模型实现了一个将图GGG和图中的某个节点nnn映射到mmm维欧式空间的函数τ(G,n)∈...
图卷积网络、图神经网络必读论文
热门推荐
知行合一，止于至善
08-24 1万+
文章目录Content[Survey papers](#content)Models[Basic Models](#content)[Graph Types](#content)[Pooling Methods](#content)AnalysisEfficiencyApplicationsPhysics[Chemistry and Biology](#content)[Knowledge Gra...
graph neural networks in recommender systems: a survey
04-06
这篇论文主要介绍了在推荐系统中使用图神经网络的研究进展与应用。通过分析和比较现有的方法和模型，总结了图神经网络在推荐系统中的优点和不足，并提出了未来的研究方向。该论文对于推动图神经网络在推荐系统中的...
评论 1
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