斯坦福-cs224w
文章平均质量分 73
学习cs224w的笔记。
0x3fffffff
这个作者很懒,什么都没留下…
展开
-
GraphGym使用碎碎念
GraphGym是一个非常适合初学者到高阶学者研究GNN的开源组件,在这里对写出GrapyGym并开源的尤佳轩大佬表达感谢和敬佩~太强了1.简介本节内容主要来源于snap官网和GraphGym的论文。GraphGym主要在探讨并解决三个问题,一是GNN怎么设计;二是探讨这些用GNN的不同的task之间是否具有一定的相似程度,进而高效的进行方法移植;三是如何评估一个GNN模型。1.1 GNN design space设计GNN主要有三个角度需要考虑:一是层内的GNN设计,而是层与层之间的G原创 2022-05-23 17:42:10 · 1155 阅读 · 2 评论 -
知识图谱的几个经典模型:TransE、Trans R、ComplEx、ConvKB
:::info💡 这几个模型都是KG表示的经典模型,关于如何对三元组建模Embedding。以下第一个表格是关于各类建模方法中,关系是否能满足一些特性进行的汇总。:::对称性:例如朋友关系。如果有h(r , t),一定有h(t , r);反对称性:例如购买关系与出售关系。如果有h1(r, t) ,一定有h2(t ,r); 【h1和 h2是相反方向的一对向量】传递性:例如亲属关系,父亲的父亲是爷爷。如果有h1(r , t) 和h2(t, y),一定有h3(r , y)一对N:例如教学关系,一个老原创 2022-03-23 17:23:38 · 8047 阅读 · 0 评论 -
做图的人是如何看待GNN的(一):feature 提取
一、概述如果说神经网络是把定向输入经过黑盒变换,转化为定向输出,例如CNN是把图像转化为标签(物体识别与检测)、RNN把提取好的文本转化为标签/概率(NER/分类),那图神经网络就是把图转为标签。图卷积神经网络的输出,依照组成图的元素,可以分为:node-level、link-level、subgraph-level和graph-level。node-level的任务,主要对节点进行判断、区分,例如,找节点的label。但区别于CNN和RNN的输入...原创 2022-01-27 17:12:02 · 2327 阅读 · 0 评论 -
做图的人是如何看待GNN的(二):Node Embedding
一、导论Node Embedding是图表示学习的范畴,是为了自动学习feature,好为下游ML任务提供支持。为使得Node Embedding实现高度的任务无关性,有以下几种解决办法。二、Encoder-Decoder三、Random Walk原创 2022-02-03 00:26:01 · 1246 阅读 · 0 评论 -
pyg与graphgym
一、配置问题:我用的显卡是ti3090,为驱动算力,cuda用11.0软件环境是torch1.8.0,此时注意,graphgym需要安装版本为0.3.0,否则会由于版本过高,导致各种出错。如果要使用pyg,那么会容易遇到一个报错: File "d:\Programfile\graphgym\run\main_pyg.py", line 10, in <module> from graphgym.loader_pyg import create_dataset, crea...原创 2022-03-22 13:43:03 · 1733 阅读 · 0 评论