Similarity-navigated graph neural networks for nodeclassification

于 2024-08-13 16:36:58 发布
阅读量68 收藏
点赞数 3
分类专栏： 异配图 文章标签： 异配图
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/chairuilin/article/details/141167616
版权

#paper/⭐ 甚至半颗星
发表于:一区top information science(被onhold)

总结其思想:改造了邻接矩阵.用topk选择相似性最高的邻居.并用阈值筛选邻居.
读完了,感觉没有一点用

mumukehao
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Strategies for Pre-training Graph Neural Networks | PreGNN | GNN预训练策略 | Meta-MGNN初始参数获取
xxxxxxbaby的博客
12-09 910
GNN的预训练策略PreGNN，可以同时获取图级和节点级的信息。
Candidate Label-aware Similarity Graph for Partial Label Data
02-08
In this paper, we proposes a.candidate label-aware similarity graph constructing method for.partial label data which effectively combines candidate label.information using Jaccard distance and linear...
2021_WSDM_Pre-Training Graph Neural Networks for Cold-Start Users and Items Representation
weixin_46645827的博客
02-02 2157
[论文阅读笔记]2021_WSDM_Pre-Training Graph Neural Networks for Cold-Start Users andItems Representation 论文下载地址： https://doi.org/10.1145/3437963.3441738 发表期刊：WSDM Publish time: 2021 作者及单位: Bowen Hao Renmin University of China jeremyhao@ruc.edu.cn Jing Zhang∗ Ren
STRATEGIES FOR PRE-TRAINING GRAPH NEURAL NETWORKS
todoooooo的博客
06-18 1022
pre-train+fine-tune的策略已经广泛地应用在了CV, NLP领域，但如何有效地利用图数据集的预训练仍然是一个有待解决的问题。本文提出了一种在node-level和graph-level同时学习的预训练模型，能够很好地得到图的局部和全局的表示。实验证明预训练模型在ROC-AUC上超过了非预训练模型9.4%，并在分子性质预测和蛋白质功能预测方面达到了最好的表现。 本文被ICLR2020接收，Strategies for Pre-training Graph Neural Networks INT
Learning to Pre-train Graph Neural Networks（图预训练与微调差异）
nakaizura
02-23 3527
博主曾经整理过一篇图预训练的文章，此后有很多在Graph上做Pretraning的文章层出不穷，但基本上万变不离其宗，都是在node-level和graph-level上做自监督学习。 Learning to Pre-train Graph Neural Networks 这篇文章来自AAAI 2021。其核心的思想其实就是：如何缓解GNN预训练和微调之间的优化误差？ 首先作者论证了 GNN 预训练是一个两阶段的流程： Pre-traning。先在大规模图数据集上进行预训练。即对参数theta进行更新使其
Facial-Similarity-with-Siamese-Networks-in-Pytorch
07-14
本项目“Facial-Similarity-with-Siamese-Networks-in-Pytorch”正是针对这一任务，采用PyTorch框架实现了基于Siamese网络的人脸相似度检测算法。下面我们将详细探讨Siamese网络及其在人脸识别中的应用。 **1. ...
Fusing Similarity-Based Sequence and Dead Reckoning for Indoor Positioning Without Training
02-08
"Fusing Similarity-Based Sequence and Dead Reckoning for Indoor Positioning Without Training" 本文提出了一种novel approach，结合基于相似度的序列和死计算（dead reckoning），来实现无需训练的室内定位。...
java-string-similarity-master.zip_similarity
09-20
"java-string-similarity-master.zip_similarity"这个压缩包很可能包含了一个Java实现的字符串相似度计算库，专注于cosine similarity（余弦相似度）和ontology（本体）相关的方法。 余弦相似度是一种衡量两个非零...
Graph Matching Networks for Learning the Similarity of Graph Structured Objects
05-07
近几年来，图神经网络（Graph Neural Network，GNN）已经成为可以有效学习结构数据表征、解决各种基于图的监督预测问题的模型了。这样的模型在迭代聚合局部结构信息的传播过程中设计并计算图节点表征，从而对图元素...
自定义数据分析系统-仅需少量或者不需要sql语句，即可完成数据的获取和数据分析，业务人员也可以轻松使用，获得自己想要的数据进行
最新发布
08-14
自定义数据分析系统——仅需少量或者不需要sql语句，即可完成数据的获取和数据分析，业务人员也可以轻松使用，获得自己想要的数据进行分析。
基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计)
08-14
基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计) 含有代码注释，新手也可看懂，个人手打98分项目，导师非常认可的高分项目，毕业设计、期末大作业和课程设计高分必看，下载下来，简单部署，就可以使用。 1.基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计) 2.基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计) 3.基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计) 4.基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计) 基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计)基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计)基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计)基于python+django学生信息管理系统设计与实现代码+数据库（高分毕业设计)基于python+django学生信息管理系统设计与实现代码+数据库
基于Android万年历系统APP设计与实现.docx
08-14
基于Android万年历系统APP设计与实现.docx
基于Android选课系统设计与实现.docx
08-14
基于Android选课系统设计与实现.docx
ssm_137_mysql_数据结构课堂学生考勤管理系统_.zip
08-14
结合用户角色的不同主要的功能需求内容如下： 1、系统管理员用户 系统管理员用户可以通过系统后台录入学生及教师信息，包括学号、工号以及个人基础资料，同时可以通过课程管理添加课程信息，通过后台基本信息的录入实现学生请假及学生签到基础内容的添加，管理员可以通过后台查看到学生请假及学生签到信息内容。 2、学生用户 学生用户可以通过个人后台修改个人资料，同时可以结合课程信息内容实现在线学生签到提交，通过后台的学生请假管理模块提交请假申请内容。 3、教师用户 教师用户可以通过管理界面及时查看到学生请假信息，结合学生用户申请内容进行在线审批，查看学生用户在线签到信息及课程安排。
印象阿里政委体系之阿里政委定位与职责精解.pptx
08-14
印象阿里政委体系之阿里政委定位与职责精解.pptx
Turbo Website Reviewer SEO分析报告工具源码
08-14
Turbo Website Reviewer是一款深入的SEO分析报告工具源码，可以区分您的SEO机器人，并提高页面内容的质量。它还提供与竞争对手的并排 SEO 比较。 分析报告也可以下载为 PDF 文件以供离线使用，以供断开连接使用。有助于识别您的 SEO 错误并优化您的网页内容以获得更好的搜索引擎排名。 源码功能 –企业PDF报告（PDF报告演示） –用户管理系统 –支持登录OAuth（Google，Facebook和Twitter） –多语言支持 –支持多语言SEO友好URL –自适应设计 –强大的管理控制台 –内置 -内置分析（跟踪访问者的访问量，流量来源等）–一键集成广告 –简单服务模式 –安全代码（启用了Google ReCAPTCHA） –支持Google Analytics（分析） 没有汉化，需要折腾的请自行汉化。。。
ssm_078_mysql_高校就业管理系统_.zip
08-14
前台： （1）注册登录模块：按照学校的相关规定进行注册和登录。 （2）招聘信息查看：高校毕业生们可以网站首页上查看所有的招聘信息，除此之外还可以输入公司名称或岗位名称进行搜索。 （3）用人单位模块：此模块为宣传用人单位的主要功能模块，具体包括用人单位简介、岗位需求及职责及公司介绍等功能。 （4）就业指导：学生朋友们在就业前可以通过此模块获取指导。 （5）新闻信息：为了让用户们可以了解到最新的新闻动态，本系统可以通过新闻信息查看功能阅读近期的新闻动态。 （6）在线论坛：毕业季的同学们可以通过此模块相互交流。 后台： （1）系统用户管理模块：可以查看系统内的管理员信息并进行维护。 （2）学生管理模块：通过此功能可以添加学生用户，还可以对学生信息进行修改和删除。 （3）用人单位管理模块：管理员用户通过此模块可以管理用人单位的信息，还可以对用人单位信息进行查看和维护。 （4）招聘管理模块：管理员通过此功能发布和维护系统内的照片信息。 （5）就业指导管理模块：通过此模块可以编辑和发布就业指导信息，从而更好的帮助就业季的同学们。 （6）论坛管理：通过论坛管理可以查看论坛中的主题帖及里面的回复信息，除此之外还可以对论坛中的信息进行维护和管理。
直播营销课件6：直播营销的复盘与提升.pptx
08-14
直播营销课件6：直播营销的复盘与提升.pptx
node similarity-based graph convolution for link prediction
11-15
节点相似性基于图卷积的链路预测是一种利用图神经网络进行链路预测的方法。在这种方法中，节点之间的相似性被用来指导图卷积神经网络学习节点表示，从而预测节点间的连接情况。 首先，我们需要计算节点之间的相似性。这可以通过计算节点间的相似性矩阵来实现。相似性矩阵可以基于节点的属性信息、节点之间的连接情况、节点的路径信息等进行计算。相似性矩阵可以反映节点之间的相似程度，从而指导后续的图卷积操作。 接着，我们可以利用相似性矩阵来指导图卷积神经网络的学习过程。在图卷积神经网络的每一层，节点的表示会根据其周围节点的表示进行更新。在节点相似性基于图卷积的链路预测中，相似性矩阵可以被用来调整节点表示的更新过程，使得相似的节点在表示空间中更加接近，从而提高链路预测的准确性。 最后，经过多层图卷积操作后，我们可以得到节点的最终表示。这些表示可以被用来进行链路预测。通过学习到的节点表示和相似性信息，我们可以预测节点之间的连接情况，从而实现链路预测的目的。 总之，节点相似性基于图卷积的链路预测方法充分利用了节点间的相似性信息，通过图卷积神经网络学习节点表示，从而实现链路预测的任务。这种方法在社交网络分析、推荐系统等领域具有重要的应用意义。
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