![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
【GNN】
文章平均质量分 70
Bruce-XIAO
这个作者很懒,什么都没留下…
展开
-
使用DGL进行异构图元路径采样
异构图元路径采样import dglimport tqdmimport osdef construct_graph(): node_src = [1,2,0,3,4,5,6,7] node_dst = [2,0,1,1,1,6,7,8] data1 = (node_src,node_dst) data2 = (node_dst,node_src) hg = dgl.heterograph( {('paper','pa','autho原创 2021-10-21 00:16:35 · 1571 阅读 · 0 评论 -
GCN论文笔记
1.SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS(GCN)解决的是图结构上的半监督分类问题,只有一部分结点有标签归一化后的拉普拉斯矩阵,下式中L表示拉普拉斯矩阵,D为度矩阵,A是领接矩阵:元素级别定义正则化的拉普拉斯矩阵,Λ是特征值对角矩阵, U为拉普拉斯矩阵L的特征值矩阵。L=D−AL=D−1/2LD−1/2=D−1/2(D−A)D−1/2=D−1/2DD−1/2−D−1/2AD−1/2=IN−D−1/2原创 2021-07-11 12:06:56 · 1411 阅读 · 1 评论 -
GraphSAGE学习笔记
简介GraphSAGE作为GCN的一个变种,其核心思想是,从邻居节点聚合(平均,池化,拼接)信息,然后更新自身节点的信息;核心步骤:init h0 ∈ V #初始化节点特征for i in K: #K为聚合邻居节点的跳数 for v in V: #对于每个节点 hk,v = Aggregate(hk-1,u, u∈N(v)) #聚合所有邻居节点u的信息 hk,v = σ(W原创 2020-12-13 22:38:06 · 2053 阅读 · 0 评论