图神经网络-图与图学习笔记-中

最新推荐文章于 2023-01-10 22:49:08 发布
最新推荐文章于 2023-01-10 22:49:08 发布
阅读量613 收藏 1
点赞数
分类专栏： AI内幕之NLP+盘古深度学习框架+机器学习+Alluxio
热烈祝贺Gavin大咖2024年北京航空航天大学两本新书《Transformer&ChatGPT解密：原理、源码及案例》、《Transformer& Rasa 解密: 原理、源码及案例》出版发行
本文链接：https://blog.csdn.net/duan_zhihua/article/details/113783881
版权
本文详细介绍了图机器学习中的Adamic-Adar计算、ROC-AUC在预测效果评估的应用，以及节点标记预测方法，通过Facebook数据集展示了实际操作过程，包括拉普拉斯矩阵的使用和图嵌入的概念。
摘要由CSDN通过智能技术生成

图神经网络-图与图学习笔记-中

目录

图机器学习

计算Adamic-Adar

Adamic-Adar 简称AA， 根据共同邻居的节点的度给每个节点赋予一个权重值，为每个节点的度的对数分之一，把节点对的所有共同邻居的权重值相加，其和作为该节点对的相似度值。

import networkx as nx
G = nx.complete_graph(5)
 
nx.draw(G , cmap = plt
了解本专栏 订阅专栏 解锁全文 超级会员免费看
段智华
关注
专栏目录
订阅专栏
图学习笔记（二）：图机器学习
Wangzx的博客
01-27 2513
图学习笔记（二）：图与图学习回顾五. 图机器学习的发展一. 图机器学习:图学习的主要任务(三种)链接预测（Link prediction）1. 相似度分数1.1 公共邻居1.2 Jaccard系数1.3 Adamic-Adar指数1.4 优先依附2. 性能指标(Performance metrics)节点标记预测（Node labeling）图嵌入（Graph Embedding）小结 回顾 图论的基本概念 图的表示和存储方式 同构图和异构图的分类 几个基础的图论算法 五. 图机器学习的发展 一. 图机器学
图神经网络-图采样-邻居聚合学习笔记
段智华的博客
02-14 1742
图神经网络-图采样-邻居聚合学习笔记 目录 论文邻居聚合Graph Isomorphism Net (GIN)模型自连边 εGIN代码 ε邻居聚合-语义场景 论文 论文链接：https://arxiv.org/pdf/1810.00826.pdf 邻居聚合 Graph Isomorphism Net (GIN)模型 自连边 ε GIN代码 ε https://arxiv.org/pdf/2003.00982v1.pdf 邻居聚合-语义场景 ...
adamic_adar_scores
weixin_42593549的博客
01-10 406
Adamic Adar 分数是一种用来度量网络中两个节点之间的相似性的指标。它的计算方式是将两个节点共同邻居的对数与权重之和相加。权重通常是指邻居节点的度数的倒数。 具体来说，对于网络中的节点 i 和 j，Adamic Adar 分数计算公式为： Score(i, j) = ∑ (1/ log(d(z))) where z is common neighbour of i and j 简单来说就...
NEO4J-链路预测算法01-Adamic Adac算法（adamicAdar）应用场景简介
lijunliang2017的博客
08-23 3266
说明：使用neo4j算法库时需引入跟neo4j数据库对应的算法库插件或自定义算法库 1.简介 Adamic Adac算法公式如下： 其中N(u)是与相邻的节点集u。 值A(x,y)=0表示两个节点不接近，而较高的值表示节点较近 该库包含一个计算两个节点之间接近都的函数 2.语法示例及使用场景 语法： RETURN gds.alpha.linkprediction.adamicAdar(node1:Node, node2:Node, { relationshipQuery:Strin
Neo4j图分析—链接预测算法（LinkPredictionAlgorithms）
02-24
本文重点介绍了Adamic-Adar算法、CommonNeighbors、PreferentialAttachment等相关内容。本文来自简书，由火龙果软件Anna编辑、推荐。链接预测是图数据挖掘中的一个重要问题。链接预测旨在预测图中丢失的边,或者未来可能会出现的边。这些算法主要用于判断相邻的两个节点之间的亲密程度。通常亲密度越大的节点之间的亲密分值越高。AdamicAdar是一种基于节点之间共同邻居的亲密度测算方法。2003年由LadaAdamic和EytanAdart在predictlinksinasocialnetwork中提出的，计算亲密度的公式如下：其中N(u)是与节点u相邻的节点集
网络中一对节点的adamic_adar_scores越大越有可能有边吗
最新发布
weixin_42593549的博客
01-10 63
是的，Adamic-Adar Score 是一种度量两个节点间共同邻居密度的方法。如果两个节点间的 Adamic-Adar Score 较大，则说明它们间的共同邻居较多，因此它们间可能有边。然而，需要注意的是 Adamic-Adar Score 只是一种度量两个节点间共同邻居密度的方法，并不能确定它们间是否有边。 ...
图神经网络-图嵌入(深度学习方法)
fanqiliang630的博客
05-13 3191
这篇笔记主要是讲深度学习方法的图嵌入, 为了更加具体, 主要以Decima的图嵌入部分为讲述内容。 Decima图嵌入回顾： 1. 节点级别嵌入 (Per-node embeddings)\text{(Per-node embeddings)}(Per-node embeddings): evi=g[∑u∈ξ(v)f(eui)]+Xvi e_v^i=g\Big[\sum_{u\in \xi(v)}f(e_u^i) \Big] +X_v^i evi​=g[u∈ξ(v)∑​f(eui​.
机器学习笔记 - 基于tensorflow从头开始构建图神经网络
学以致用 知行合一
05-11 1518
图神经网络是机器学习和深度学习领域最新兴的技术之一。在许多研究工作中，我们可以看到这些网络在结果和速度方面的成功。图神经网络成功的主要原因之一是它们使用图数据进行建模，图数据可以由数据集实体之间的结构关系组成。 可以对图数据进行操作的神经网络可以被视为图神经网络。使用图形数据，任何神经网络都需要使用数据的顶点或节点来执行任务。假设我们正在使用任何 GNN 执行任何分类任务，那么网络需要对图数据的顶点或节点进行分类。在图数据中，节点应该带有它们的标签，以便每个节点都可以根据神经网络通过它们......
图神经网络-GCN学习笔记
段智华的博客
02-12 350
图神经网络-GCN学习笔记 目录 图神经网络图卷积网络邻接矩阵度矩阵消息传递方式实现卷积网络邻居的特征接收、聚合给边加权pgl实现多层图网络完成节点分类任务 图神经网络 图卷积网络 邻接矩阵 度矩阵 消息传递方式实现卷积网络 邻居的特征接收、聚合 给边加权 pgl实现 多层图网络完成节点分类任务 ...
猫狗数据集+基于卷积神经网络实现的猫狗图像分类项目源码+深度学习笔记答辩PPT.zip
06-22
猫狗数据集+基于卷积神经网络实现的猫狗图像分类项目源码+深度学习笔记答辩PPT+大作业文档。 由于数据集中图片数量太多，所以将图片数据打包存在了 cats_and_dogs.zip 里面。 该数据集包含25000张猫狗图像(每个类别...
Movie-Recommendation-system:推荐系统，它在Adamic Adar算法的帮助下使用基本ML。 它还使用余弦相似度绘制图形
04-14
带图的推荐引擎 目的是通过使用Adamic Adar度量构建基于图的推荐引擎。 度量越高，两个节点就越接近。 所有电影之间的度量未预先计算，为了确定推荐电影的列表，我们将探索目标电影的邻域 如何考虑描述？ 第一个想法...为了考虑描述，通过应用带有TF-IDF权重的KMeans聚类对电影进行聚类，因此，属于一组描述的两部电影将共享一个节点。 小组中的电影数量越少，将更多地考虑此链接 *但是它不起作用，因为集群太不平衡 第二个想法...为了考虑描述，计算TF-IDF矩阵，对于每部电影，取相似描述的前5个，并创建一个“ Similar_to_this”节点。 在Adamic Adar度量中将考虑此节点。 Adamic Adar量度 它是一种用于基于节点的共享邻居来计算节点的紧密度的度量。 x和y是2个节点（2个电影）N（one_node）是将相邻节点的集合返回到one_node的函数ada
链路预测代码
06-02
链路预测代码
基于复杂网络节点重要性的链路预测算法
03-05
提升链路预测精度是复杂网络研究的基础问题之一，现有的基于节点相似的链路预测指标没有充分利用网络节点的重要性，即节点在网络中的影响力。针对以上问题提出基于节点重要性的链路预测算法。该算法在基于局部相似性链路预测算法的共同邻居( CN) 、Adamic-Adar( AA) 、Ｒesource Allocation( ＲA) 相似性指标的基础上，充分利用了节点度中心性、接近中心性及介数中心性的信息，提出考虑节点重要性的 CN、AA、ＲA 链路预测相似性指标。在 4 个真实数据集上进行仿真实验，以 AUC 值作为链路预测精度评价指标，实验结果表明，改进的算法在 4 个数据集上的链路预测精度均高于共同邻居等对比算法，能够对复杂网络结构产生更精确的分析预测.
推荐算法三视角
datayx的文章
12-08 655
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx关于推荐系统，如果在忘掉所有的公式和代码，忘记所有的语言描述，脑海里就剩下几张图景，...
社交网络中的Link Prediction
热门推荐
Jie Qiao的专栏
02-22 2万+
介绍 给你一段时间内的社交网络关系，我们能否预测出成员之间在未来的互动？ 我们称该问题为Link prediction Problem.他还有另外一些常见的应用，比如社交网站的好友推荐，预测蛋白质间的相互影响，预测犯罪嫌疑人的关系，商品推荐等等。 在基于社交网络的Link predition问题中，我们通常要考虑社交网络所带有的特有的特质。所以我们先介绍一下社交网络的几个有趣的性质： po...
如何优雅的理解PageRank
乌云压顶是吧
10-31 4413
博客引流 终于Tex调好了 刚好最近又多次提及PageRank 于是~ 目测这一系列 有个两三篇blog PageRank 是 由佩奇(Larry Page)等人提出 的 Google 最为有名的技术之一 我 乔治 甘拜下风 PageRank 是一种基于随机游走 的 评价网站权值的算法 言而总之 PageRank是一种十分重要的算法 不管在学术界 还是在产业界 Node Similarity ...
[译文]使用python来学习graph -- part3
xjxgyc的博客
08-31 1872
图正成为机器学习的核心，可以通过了解社交网络的结构来预测潜在联系，检测欺诈，了解客户的汽车租赁服务行为或进行实时推荐。 在本文中，我们将介绍： 图学习算法 使用python来实现图 接下来，打开一个Jupyter Notebook并导入以下包： import numpy as np import random import networkx as nx from IPython.display...
社团检测之节点相似度指标
梦家の博客
05-11 4197
本文主要介绍复杂网络中节点相似度指标 基于局部信息的节点相似度指标 共同邻居 sxy=∣Γ(x)∩Γ(y)∣s_{xy}=|\Gamma(x)\cap\Gamma(y)|sxy​=∣Γ(x)∩Γ(y)∣ Salton指标 sxy=∣Γ(x)∩Γ(y)∣k(x)×k(y)s_{xy}=\frac{|\Gamma(x)\cap\Gamma(y)|}{\sqrt{k(x)×k(y)}}sxy​=k...
社交网络初探——链路预测
木羊的专栏
05-12 1万+
社交网络可以用来描述现实社会中的实际网络，它包括人与人之间的社会关系，物种之间的捕食关系，科学研究中的合作关系等。大量研究已经表明在真实世界中各种不同社交网络具有许多共同的结构特征，例如小世界性质、无标度性、社团结构等。        目前，社团发现算法已比较成熟，具体的算法有：GN算法、谱平算法、Kernighan-Lin算法等。        社团划分方法也有很多。        以下是
图神经网络学习笔记：社区结构探究与Louvain算法
"cs224w 图神经网络 学习笔记（五）Community Structure in Networks1" 在图神经网络的研究中，社区结构（Community Structure）是网络分析的一个重要概念，尤其是在社交网络、信息网络等领域。社区结构指的是网络...
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

打赏作者

段智华

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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