图与网络
文章平均质量分 93
Eason.wxd
我是Eason,我喂自己袋盐...
展开
-
图嵌入(一)--综述
转自:https://zhuanlan.zhihu.com/p/62629465最近在学习Embedding相关的知识的时候看到了一篇关于图嵌入的综述,觉得写的不错便把文章中的一部分翻译了出来。因自身水平有限,文中难免存在一些纰漏,欢迎发现的知友在评论区中指正。目录一、图嵌入概述二、图嵌入的挑战三、图嵌入的方法一、图嵌入概述图,如社交网络、单词共存网络和通信网络,广泛地存在于各种现实应用中。通过对它们的分析,我们可以深入了解社会结构、语言和不同的交流模式,因此图一直是学界研究的热转载 2021-01-25 20:00:30 · 2520 阅读 · 2 评论 -
图神经网络(二)--GNNs
转自:https://zhuanlan.zhihu.com/p/75307407目录一、什么是图神经网络二、有哪些图神经网络三、图神经网络的应用一、什么是图神经网络?在过去的几年中,神经网络的兴起与应用成功推动了模式识别和数据挖掘的研究。许多曾经严重依赖于手工提取特征的机器学习任务(如目标检测、机器翻译和语音识别),如今都已被各种端到端的深度学习范式(例如卷积神经网络(CNN)、长短期记忆(LSTM)和自动编码器)彻底改变了。曾有学者将本次人工智能浪潮的兴起归因于三个条件,分别是:转载 2021-01-25 16:42:20 · 2524 阅读 · 0 评论 -
图神经网络(一)--综述
图是一种数据结构,它对一组对象(节点)及其关系(边)进行建模。近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,GNN 最近已成为一种广泛应用的图分析方法。GNN 的第一个动机源于卷积神经网络(CNN)。CNN 的广泛应用带来了机器学习领域的突破并开启了深度学习的新时代。然而 CNN...转载 2019-08-27 10:34:33 · 1824 阅读 · 0 评论 -
社区发现(六)--模块度
转自:https://blog.csdn.net/aspirinvagrant/article/details/45577033在社区发现算法中,几乎不可能先确定社区的数目,于是,必须有一种度量的方法,可以在计算的过程中衡量每一个结果是不是相对最佳的结果。模块度(Modularity)用来衡量一个社区的划分是不是相对比较好的结果。一个相对好的结果在社区内部的节点相似度较高,而在社区外部节点的相...转载 2019-06-09 15:35:13 · 3321 阅读 · 0 评论 -
社区发现(五)--BP(信念传播算法)
转自:https://blog.csdn.net/aspirinvagrant/article/details/40862237基础知识 条件概率(Conditional Probability) 相互独立时,p(A | B) = p(A) 贝叶斯规则贝叶斯网络(Bayesian Network)定了一个独立的结构:一...转载 2019-06-09 15:33:02 · 4564 阅读 · 0 评论 -
社区发现(四)--LPA(标签传播算法)
转自:https://blog.csdn.net/aspirinvagrant/article/details/46127965标签传播算法基本思想是通过标记节点的标签信息预测未标记节点的标签情况。节点之间的标签传播主要依照标签相似度进行,在传播过程中,未标记的节点根据邻接点的标签情况来迭代更新自身的标签信息,如果其邻接点与其相似度越相近,则表示对其所标注的影响权值就越大,邻接点的标签就更容易进...转载 2019-06-09 15:27:13 · 12125 阅读 · 0 评论 -
社区发现(三)--CMP
转自:https://blog.csdn.net/fenghuangdesire/article/details/45823329派系过滤CPM方法(clique percolation method)用于发现重叠社区,派系(clique)是任意两点都相连的顶点的集合,即完全子图。在社区内部节点之间连接密切,边密度高,容易形成派系(clique)。因此,社区内部的边有较大可能形成大的完全子图...转载 2019-06-09 15:23:13 · 1835 阅读 · 0 评论 -
社区发现(二)--GN
GN算法本算法的具体内容请参考Finding and evaluating community structure in networks(Newman and Girvan)。重要概念边介数(betweenness):网络中任意两个节点通过此边的最短路径的数目。GN算法的思想:在一个网络之中,通过社区内部的边的最短路径相对较少,而通过社区之间的边的最短路径的数目则相对较多。下图中展...转载 2019-06-09 15:21:12 · 2262 阅读 · 0 评论 -
社区发现(一)--算法综述
基础概念简介:https://baike.baidu.com/item/%E7%A4%BE%E5%8C%BA%E5%8F%91%E7%8E%B0%E7%AE%97%E6%B3%95/194603961. 社区发现简介社区,从直观上来看,是指网络中的一些密集群体,每个社区内部的结点间的联系相对紧密,但是各个社区之间的连接相对来说却比较稀疏(图1,当然社区的定义不止有这一种)。这样的社区现象被...转载 2019-06-09 14:58:25 · 14562 阅读 · 1 评论 -
图论(三)--各种基础图算法总结
图论总结G=(V,E),V代表图中节点的合集,E代表图中边或是关系的合集。稠密图:图中E的条数接近V*V也就是,接近任意两点之间相连。稀疏图:图中E的条数远小于V*V。图的数据结构图常用的有两种表示方式,邻接链表和邻接矩阵。邻接矩阵和邻接链表都中存储的信息都只是点与点的关系。并不表示点的信息,如果要表示点的信息,需要一个额外的容器,存储。比如,i节点代表某个村庄,该村庄有村名...转载 2019-01-03 16:29:53 · 12047 阅读 · 0 评论 -
图论(二)--各种图介绍
§各种各样的图             ※简单图和多重图什么是简单图?提到简单图就不得不提到他转载 2019-01-03 12:12:19 · 15786 阅读 · 0 评论 -
图论(一)--基础概念
§顶点&边问题引入七桥问题问题描述:18世纪著名古典数学问题之一。在哥尼斯堡的一个公园里,有七座桥将普雷格尔河中两个岛及岛与河岸连接起来(如图)。问是否可能从这四块陆地中任一块出发,恰好通过每座桥一次,再回到起点?欧拉于1736年研究并解决了此问题,他把问题归结为如右图的“一笔画”问题,证明上述走法是不可能的。图论基础知识——顶点通过上文的故事版和正经版的对比,可以很容易...转载 2019-01-03 12:02:40 · 23615 阅读 · 0 评论