mumukehao-CSDN博客

原创 The Heterophilic Snowflake Hypothesis Training and Empowering GNNs for Heterophilic Graphs

ES是啥啊,有点看不懂.但是看了算法流程就看懂了减枝策略为探索邻居提出了一种新的方案.但是,

2024-07-21 19:22:19 688

原创 KNN-GNN A powerful graph neural network enhanced by aggregating K-nearest neighbors in common subspa

paper/⭐ 甚至想给半颗星发表于:专家系统。

2024-07-21 19:21:22 594

原创 AFFINITY BASED HOMOPHILY CAN WE MEASURE HOMOPHILY OF A GRAPH WITHOUT USING NODE LABELS

发表于:ICLR24(tiny paper)假设Z∈Rn×m是亲和性矩阵,包含每个节点的亲和性向量.我们可以定义i和j的亲和性分数:xizj⊤XZ⊤∈Rn×n.我们用FXZT1/2L1−((σF⊙1−IA1其中,σ表示sigmoid函数.1AHlog1n2−n/2elog1μdμnd2其中,μd和μnd。

2024-07-21 19:20:31 631

原创 Node-wise Filtering in Graph Neural Networks A Mixture of Experts Approach

现实世界中,经常出现展现混合的同配异配模式,导致单个过滤器的性能不是最优的.为了处理这个问题,我们引入了一个新的GNN 框架模型:NODE-MOE,它利用混合的专家为不同的节点选择合适的过滤器(用我的话来说,可以这样理解:就是生成多个不同的过滤器,对于一个图中的同配社区节点用同配过滤器,对异配社区节点用异配过滤器)

2024-07-21 19:19:43 652

原创 Benchmarking Spectral Graph Neural Networks: A Comprehensive Study on Effectiveness and Efficiency

昨天读的,但是太长了,不想做笔记了(zotero中做了一次笔记了)

2024-07-17 22:34:30 77

原创 Heterophilous Distribution Propagation for Graph Neural Networks

Y是nodelabel,StraStarSstructStraStarSstruct分别代表训练集(train),结构编码的目标集合(target),和trust set对于可信对比原型向量损失貌似提供了一种自适应阈值的方式,但是我仍然有如下的问题:1.引入了超参λ\lambdaλ去放大缩小阈值.其实仍没有解决阈值问题2.有点没读懂target是如何划分的。

2024-07-17 22:33:12 801

原创 POLYGCL GRAPH CONTRASTIVE LEARNING VIA LEARNABLE SPECTRAL POLYNOMIAL FILTERS

发表于:ICLR24推荐指数: #paper/⭐⭐⭐。

2024-07-15 22:09:22 876

原创 ChebNetII

切比雪夫多项式TkxT_{k}(x)TkxTkxcos⁡karccos⁡xTkxcoskarccosx切比雪夫点TkxT_{k}(x)Tkxxjcos⁡2j1kπj01k−1xjcosk2j1πj01k−1他们位于区间(-1,1)内,是TkxT_{k}(x)Tkx的零点.定理3.1表明切比雪夫多项式有k个零点.

2024-07-15 22:07:42 824

原创 BernNet Learning Arbitrary Graph Spectral Filters via Bernstein Approximation

发表于:neurips21推荐指数: #paper/⭐⭐设定:在本文中,h是过滤器.

2024-07-15 22:06:44 1080

原创 StructComp Substituting propagation with Structural Compression in Training Graph Contrastive Learni

创新性一般。

2024-07-08 21:27:17 818

原创 Efficient Contrastive Learning for Fast and Accurate Inference on Graphs

创新点一般般,但是证明非常巧妙,值得一看(本博客并未附上作者详细证明)

2024-07-07 21:34:23 691

原创 Finding Global Homophily in Graph Neural Networks When Meeting Heterophily

本文发表于:ICML22推荐指数: #paper/⭐⭐⭐。

2024-07-05 21:13:37 793 1

原创 Beyond Low-frequency Information in Graph Convolutional Networks

写的真好.这篇提出了一个自适应系数,自适应的学习高通滤波器权重和低通滤波器权重,更好的聚合各种信息.

2024-07-04 20:52:04 712

原创 Beyond Smoothing Unsupervised Graph RepresentationLearning withEdge Heterophily Discriminating

设计了一种计算同配边/异配边的模块个人感觉:计算同配边/异配边这个思路可以借鉴,但是感觉模型设计有点冗余?(可能是水平低)

2024-07-03 13:22:14 731

原创 GCN推导合集

读论文,发现看论文最重要的是推导,因此写了这篇文章,记录重要的推导过程(个人人为的)(持续更新)

2024-07-01 19:10:31 1199

原创 Rethinking and SimplifyingBootstrapped Graph Latent

在这个将对比学习越做越复杂,参数越多,攀比正确率的时代,作者做了减法,去掉了负样本,以及映射头,并对图增强数据等进行了复用,极大减少了图对比的开销,把图对比在工业界的应用往前推了一步。

2024-06-28 15:20:36 894

原创 PC-Conv Unifying Homophily and Heterophily withTwo-Fold Filtering

这篇文章提出了一种对不同阶的GNN(奇数阶,偶数阶)不同的过滤操作以及通过泊松分布去生成不同阶的过滤,挺有意思的,也挺有意义的。

2024-06-27 21:53:09 654

原创 Single-Pass Contrastive Learning Can Work for Both Homophilic and Heterophilic Graph

论文简称:SPGCL论文发表于:未发表(arxiv)推荐指数: #paper/⭐⭐⭐推荐理由:虽然没有发表在顶会,但是多篇顶会都引用他的方法和结果,并且作者本人发过多篇顶会.只能说可惜吧(可能是因为太简单了)

2024-06-26 22:20:05 949

原创 Contrastive Learning Meets Homophily Two Birds with One Stone

推荐指数: #paper/⭐文章发表于:PMLR 23代码:无(???可复现性/结果存疑,论文的实验步骤也简单)

2024-06-26 16:05:45 686

原创 Demystifying Structural Disparity in Graph Neural Networks Can One Size FitAll

推荐指数: #paper/🚩 #paper/⭐⭐⭐发表于:NeurIPS 23这一篇是探索性质的文章,并没有提出具体的模型,因此也不写推导过程和推导细节补充,具体看文章.推荐看视频:https://www.bilibili.com/video/BV1jj411s7h5/?这篇有效内容量太多了,视频讲的更清楚,博客根本写不了。

2024-06-25 12:14:52 483

原创 Graph Neural Networks withSoft Association between Topologyand Attribute

(参考毛海涛去年NeurIPS的文章文章链接以高的结构信息(英文high global structure proximity)(全局信息?不知道中文叫啥名字)为依据,取给异配图加边,会让图变得更加同配.我自己的假设(不一定对),既然这样,我们按照局部信息(在某种意义上可以理解为特征相似性)(与高的结构信息相反)去删边,那么也会使图变得更加同配.本文就基于如上的推测。

2024-06-24 19:48:07 934

原创 Deep Contrastive Graph Learning with Clustering-Oriented Guidance.md

其创新点可能在高阶信息和低阶信息对比,第一阶段存在的负样本(用负样本中心作为对比).总体上乏善可陈(都是别人做过的东西),以及没有在引文数据集(Cora,CiteSeer)或者异配图数据集(Squirrel)上做实验(因为高阶信息理论上可以优化异配图).实验扩展到如上数据集存疑.

2024-06-24 09:56:03 693

原创 Incomplete Contrastive Multi-View Clusteringwith High-ConfidenceGuiding

不推荐阅读,阅读指数一颗星。

2024-06-24 09:18:59 276

原创 Homophily Related-Adaptive Hybrid GraphFilter for Multi View Graph Clustering.md

优点:这篇用了相似性矩阵和特征相似度生成的相似性矩阵,以及聚类伪标签来设计同配比,利用视图特征和共识特征的权重比去聚合不同阶信息的特征,思路很直观,挺有意思的.(创新点:同配比,视图特征和共识特征的权重比聚合特征)缺点:写的有点好,结果让人难以相信.在权重参数的确定时引入超参,对其适用性是否有一丢丢怀疑。

2024-06-23 21:03:51 1129

原创 Improving Graph Contrastive Learningvia AdaptivePositiveSampling

其用了前两年用烂了的利用阈值构造正样本对.负样本对的方法,将其用在了异配图而已,给了证明,创新性乏善可陈。

2024-06-23 16:55:21 737

用vscode markdown publisher 打开,然后开启这个插件的调试模式,选择对应的文件上传到csdn,你会发现图片上传会报错.原因是:这个插件其图片选的是绝对路径,你在vscode markdown publisher的控制台找到上传文件的地址,通过file gee将obsidian对一个的图片(assets)同步到插件上传的地址,然后图片和markdown就自动上传了。希望作者早点解决目录的问题。

2024-06-23 15:02:07 141

原创 From Trainable Negative Depth to Edge Heterophily in Graphs

这项工作定义GCN的深度为负值和可训练,将负GCN深度和图的异配性以及高频过滤联系在一起,思路直观,结果有趣,值得一看.这个文章挺有意思的,重构了GCN的propogate部分并重新设计了GCN的深度问题,如果负值和异配图真的强相关,将是异配图的突破。

2024-06-23 10:10:45 345

原创 2402了,csdn上传本地markdown 还不能自动上传图片,这

无语。

2024-06-23 10:01:05 77

原创 Simple and Asymmetric Graph Contrastive Learning without Augmentations(GraphACL)

对于每个节点v，首先提出通过捕获其一跳邻域信号来学习其表示。自然思想是学习 𝑣 的表示，可以很好地预测 𝑣 邻域的原始特征，即邻域 𝑢 的 𝑥𝑢。然而，原始的特征通常是有噪声的和高维的。因此，采用以下由非对称预测器计算对邻居的损失LPRE1∣V∣∑v∈V1∣Nv∣∑u∈Nv∥gϕv−u∥22LPRE∣V∣1v∈V∑∣Nv∣1u∈Nv∑∥gϕv−u∥22。

2024-06-22 18:58:47 861

原创 Deep Multiview Clustering by Contrasting Cluster Assignments

这篇文章将contrastive cluster和kl中的q联合在一起(并没有用到具体的kl散度),创新点约等于没有.建议先阅读,再来看看这篇文章怎么水上顶刊的。

2024-04-20 16:59:34 809

chairuilin的博客