异配图
文章平均质量分 83
mumukehao
想读博的研究僧
展开
-
Fair Graph RepresentationLearning via Diverse Mixture-of-Experts
发表于:WWW23推荐指数: #paper/⭐⭐。原创 2024-09-13 16:32:32 · 835 阅读 · 0 评论 -
Benchmarking Spectral Graph Neural Networks-A Comprehensive Study on Effectiveness and Efficiency
个人觉得作者的主要贡献在于构建了一个完整的光谱benchmark,pipeline,也给后面研究者提供了一个很好的平台。但是由于不同设备可能导致不同的结果,因此好奇去重跑一下结果。原创 2024-09-13 10:37:05 · 809 阅读 · 0 评论 -
Beyond Homophily Reconstructing Structure for Graph-agnostic Clustering
发表于:ICML23推荐指数: #paper/⭐(个人不太喜欢他的行文方法,有部分内容有点让人看不懂)总结:很常见的套路:构造同配视图+异配视图,进行同配传播+异配传播,然后利用类对比损失,类重构损失进行两次联合训练,最后利用KL散度联合优化。原创 2024-09-11 11:46:59 · 797 阅读 · 0 评论 -
Node Mutual Information Enhancing Graph Neural Networks for Heterophily
paper/⭐⭐发表于:Neurips23。原创 2024-09-09 15:40:00 · 621 阅读 · 0 评论 -
最近对GFM有点感兴趣,偶读石川老师关于这方面的文章,很感兴趣,整理他的讲稿如下
【代码】最近对GFM有点感兴趣,偶读石川老师关于这方面的文章,很感兴趣,整理他的讲稿如下。原创 2024-09-08 22:06:15 · 173 阅读 · 0 评论 -
Position-Graph Foundation Models are Already Here
GFM的主要挑战在于利用大量和不同的图数据来实现正迁移。受到CV和MLP领域大模型的影响,我们提出了一个新的GFM的图词汇倡议,其为GFM开发提出了一种新颖的视角,其中图形背后的基本可转移单元编码了图形不变性。我们从网络分析、表达性(可解释性)和稳定性等基本方面来构建图形词汇的构建。其可以展现出巨大的实践收益,其可以在数据丰富的领域训练,例如wiki知识图谱,并在资源有限的领域提升,例如:几何知识图谱。我们首先分析如下三个部分:网络分析,可解释性,稳定性。原创 2024-09-08 20:22:46 · 985 阅读 · 0 评论 -
Neighborhood Homophily-based Graph Convolutional Network
NHik∣Nikcmax∣∣Nik∣withcmaxargmaxc∈1C∣Nikc∣NHik∣Nik∣∣Nikcmax∣withcmaxargc∈1Cmax∣Nikc∣其中,Nikv∣0or1≤ShortestPathviv≤kNikv∣0or1≤viv。原创 2024-09-07 11:39:36 · 459 阅读 · 0 评论 -
MixHop Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood
即:将各阶的邻居拼接在一起.很简单。推荐指数 #paper/⭐⭐。发表于:NeurIPS 19。太老了,因此只能给2颗星。原创 2024-08-17 20:10:23 · 139 阅读 · 0 评论 -
GBK-GNN Gated Bi-Kernel Graph Neural Networks for ModelingBoth Homophily and Heterophy
推荐指数: #paper/⭐⭐。给二星是因为太老了.原创 2024-08-15 10:32:06 · 116 阅读 · 0 评论 -
Label-Wise Graph Convolutional Network for Heterophilic Graphs
推荐指数: #paper/⭐⭐发表于:LoG 2022推荐指数是因为22年,所以给2行.贡献:用MLP来区分不同的标签信息.原创 2024-08-14 20:30:11 · 939 阅读 · 0 评论 -
Mitigating Oversmoothing Through Reverse ProcessofGNNs for Heterophilic Graphs
24年也是同样思想的文章,SLOG An Inductive Spectral Graph Neural Network Beyond Polynomial Filter.这篇虽然也用了负度,但是人家的切入点更好(大图负度).这不和from Trainable Negative Depth to Edge Heterophily in Graph一样吗?个人感觉创新性一般般,但是理论很足.发表于:ICML24。原创 2024-08-14 18:36:59 · 89 阅读 · 0 评论 -
Similarity-navigated graph neural networks for nodeclassification
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.发表于:一区top information science(被onhold)#paper/⭐ 甚至半颗星。读完了,感觉没有一点用。原创 2024-08-13 16:36:58 · 98 阅读 · 0 评论 -
Block Modeling-Guided Graph Convolutional Neural Networks
发表于:AAAI22推荐指数: #paper/⭐⭐⭐概括其思想:其思路基于每个子块应该有自己的建模方式,以块为基础重构了相似性矩阵。原创 2024-08-12 18:41:13 · 918 阅读 · 0 评论 -
LSGNN Towards General Graph Neural Network in Node Classification by Local Similar
发表于:IJCAI 23推荐指数: #paper/⭐⭐。原创 2024-08-12 18:39:48 · 904 阅读 · 0 评论 -
Improving the Homophily of Heterophilic Graphs for Semi-Supervised Node Classification
发表与:CCFB会 2023年略读。原创 2024-08-11 16:45:58 · 826 阅读 · 0 评论 -
Beyond Homophily in Graph Neural Networks Current Limitations and Effective Design
rvkCOMBINErvk−1AGGRruk−1u∈NˉvrvkCOMBINErvk−1AGGR({ruk−1u∈Nˉv})总结:拼接自己和邻居聚合,而不是平均。原创 2024-08-11 16:42:24 · 544 阅读 · 0 评论 -
Graph Mixture of Experts Learning on Large-Scale Graphs with Explicit Diversity Modeling
发表于:neurips23推荐指数: #paper/⭐⭐⭐和node-wise 那个思路一样(或者说node-wise是这个的进一步延伸)但是,他的公式有点让人不能最清晰的读懂(似懂非懂)原创 2024-08-10 23:04:19 · 631 阅读 · 0 评论 -
SLOG An Inductive Spectral Graph Neural Network Beyond Polynomial Filter
推荐指数: #paper/⭐⭐ (二到三颗星.等作者开源代码,泡一下,在确定具体推荐分)发表于: ICML 24。原创 2024-08-10 19:38:30 · 638 阅读 · 0 评论 -
Complete the Missing HalfAugmenting Aggregation Filteringwith Diversification for gcn
发表于:Neurips 22#paper/⭐⭐⭐ #PAPER/证明推荐原因:好多证明的源头好像证明看论文(精华在论文部分)原创 2024-08-08 21:54:45 · 491 阅读 · 0 评论 -
Graph Neural Networks with Diverse Spectral Filtering
有点看不懂,求大佬讲解。原创 2024-08-08 21:30:54 · 83 阅读 · 0 评论 -
MUSE Multi-View Contrastive Learningfor Heterophilic Graphs
一句话总结:融合了GCN(A,X)和GCN(A,I),创新性不足,因此只能B会。推荐指数: #paper/⭐。原创 2024-08-04 22:17:55 · 782 阅读 · 0 评论 -
Towards Self-supervised Learning on Graphs with Heterophily
SijFcosxixjxi⋅xj∣xi∣∣xj∣SijFcosxixj∣xi∣∣xj∣xi⋅xj其中,x是原始特征。原创 2024-08-03 22:10:23 · 784 阅读 · 0 评论 -
SimGCL graph contrastive learning by finding homophily in heterophily
发表于: Knowledge and Information Systems, ccfb推荐指数: #paper/ ⭐总结: 重新定义了相似度矩阵, 重新定义了特征, 重新设计了节点删除概率等, 但是, 换汤不换药, 引入了大量的超参 (快 10 个了吧). 创新点不够, 所以 ccf B 期刊理所应该. (甚至我觉得更低)原创 2024-08-02 21:54:10 · 656 阅读 · 0 评论 -
Graph Contrastive Learning via Interventional View Generation
发表于:WWW24推荐指数: #paper/⭐⭐。原创 2024-07-31 12:23:55 · 648 阅读 · 0 评论 -
S3GCL Spectral, Swift, Spatial Graph Contrastive Learning
总的来说,一个很好的idea.但是,我个人感觉,整个论文还有提升的空间(其是在UGCL的基础上改造的对比学习模块)原创 2024-07-31 12:22:45 · 306 阅读 · 0 评论 -
How Universal Polynomial Bases Enhance Spectral Graph Neural Networks Heterophily,
思路清晰,实验结果特别好.一环扣一环.原创 2024-07-28 20:34:52 · 924 阅读 · 0 评论 -
GraphContrastive Learning underHeterophily viaGraph Filters
行文不流畅(有的地方跳步导致看不太懂),有的地方有点啰嗦,同配图/异配图设置的有点粗糙,并且同配图/异配图的思想有点老.因此,只能是B会了。原创 2024-07-28 19:24:21 · 690 阅读 · 0 评论 -
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,原创 2024-07-21 19:22:19 · 711 阅读 · 0 评论 -
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。原创 2024-07-21 19:21:22 · 640 阅读 · 0 评论 -
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。原创 2024-07-21 19:20:31 · 649 阅读 · 0 评论 -
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)原创 2024-07-21 19:19:43 · 800 阅读 · 0 评论 -
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。原创 2024-07-17 22:33:12 · 832 阅读 · 0 评论 -
POLYGCL GRAPH CONTRASTIVE LEARNING VIA LEARNABLE SPECTRAL POLYNOMIAL FILTERS
发表于:ICLR24推荐指数: #paper/⭐⭐⭐。原创 2024-07-15 22:09:22 · 902 阅读 · 0 评论 -
ChebNetII
切比雪夫多项式TkxT_{k}(x)TkxTkxcoskarccosxTkxcoskarccosx切比雪夫点TkxT_{k}(x)Tkxxjcos2j1kπj01k−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.原创 2024-07-15 22:07:42 · 852 阅读 · 0 评论 -
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.原创 2024-07-15 22:06:44 · 1115 阅读 · 0 评论 -
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)原创 2024-07-07 21:34:23 · 713 阅读 · 0 评论 -
Finding Global Homophily in Graph Neural Networks When Meeting Heterophily
本文发表于:ICML22推荐指数: #paper/⭐⭐⭐。原创 2024-07-05 21:13:37 · 816 阅读 · 1 评论 -
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.原创 2024-07-04 20:52:04 · 730 阅读 · 0 评论 -
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)原创 2024-07-03 13:22:14 · 752 阅读 · 0 评论 -
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)原创 2024-07-01 19:10:31 · 1228 阅读 · 0 评论