GNN图神经网络
文章平均质量分 71
Jasminx
这个作者很懒,什么都没留下…
展开
-
【论文阅读 StructPool】STRUCTPOOL: STRUCTURED GRAPH POOLING VIA CONDITIONAL RANDOM FIELDS
学习图的高级表示对于图分析任务非常重要。除了图卷积之外,图池化也是一个重要但探索较少的研究领域。特别是,大多数现有的图池化技术没有明确考虑图的结构信息。我们认为这些信息很重要,并在这项工作中开发了一种新的图池化技术,称为STRUCTPOOL。我们将图池视为一个节点聚类问题,需要学习聚类分配矩阵。我们建议将其表述为结构化预测问题,并使用条件随机场来捕捉不同节点的分配之间的关系。我们还将我们的方法推广到在设计吉布斯能量函数时纳入图拓扑信息。在多个数据集上的实验结果证明了我们提出的STRUCTPOOL的有效性。.原创 2022-07-23 17:28:55 · 463 阅读 · 1 评论 -
图表示的通用数据结构
图表示的通用数据结构图表示的通用数据结构主要有三种,分为邻接表、邻接矩阵和关联矩阵。邻接表顶点存储为记录或对象,每个顶点存储一个相邻顶点的列表。这个数据结构允许在顶点上存储额外的数据。如果边也存储为对象,则可以存储额外的数据,在这种情况下,每个顶点存储其关联边,每个边存储其关联顶点。邻接矩阵一个二维矩阵,其中行代表源顶点,列代表目标顶点。边和顶点上的数据必须存储在外部。每对顶点之间只能存储一条边的成本。关联矩阵一个二维矩阵,其中行代表顶点,列代表边。这些条目表示行的顶点和列的边之间的关联原创 2022-05-08 13:50:08 · 749 阅读 · 0 评论 -
【论文阅读】Topology-Aware Graph Pooling Networks
Topology-Aware Graph Pooling Networks翻译 2022-04-19 17:31:14 · 767 阅读 · 0 评论