图神经学习
文章平均质量分 91
剁椒鱼头罐头
这个作者很懒,什么都没留下…
展开
-
【GCN】图卷积神经网络讲解
图卷积神经网络是一种用于处理图结构数据的神经网络。在GCN中,图结构数据指的是由节点node(如人、地点、物体)和边edge(表示节点间的关系或连接)组成的数据。GCN的工作原理是通过卷积操作来聚合和转换节点及其邻居节点的信息。这样做可以捕获图中的局部结构特征,类似于传统卷积神经网络(CNN)在图像处理中捕获像素的局部特征。GCN特别适合于那些节点表示和节点间关系都很重要的问题,如社交网络分析、分子结构识别、推荐系统等。原创 2024-01-09 23:38:42 · 1469 阅读 · 0 评论 -
【斯坦福CS224W笔记之二】传统图机器学习的特征工程 — 节点
图数据挖掘可以分为节点层面,连接层面还有全图层面节点、连接、子图、全图都可以有特征自己的特征称之为属性特征收入、学历、年龄、婚姻状态、工作单位、征信Feature Design :Using effective features over graphs is the key to achieving good model performance.Tradtional ML pipeline uses hand-designed features. 人工构造的特征(特征工程)我们可以采用人为设计特征向原创 2023-04-20 00:55:57 · 294 阅读 · 1 评论 -
【斯坦福CS224W笔记之三】传统图机器学习的特征工程-连接
通过已知连接去补全未知连接The task is to predict new links based on the existing links.1.直接提取link的特征,变成D维向量2.把link 两端节点的D维向量拼在一起 (丢失了中间的结构信息)The key is to design featureChoose 1For each pair of nodes (x,y) compute score c(x,y)提取连接特征->D维向量->分数(x,y)计算两节点 link 的sco原创 2023-03-30 22:49:28 · 206 阅读 · 0 评论 -
【斯坦福CS224W笔记之一】 图的基本表示
总有一条路能让图的任意两个结点之间触达,称之为”虽远必诛“ (connected components)图是有节点(nodes or vertices)和连接(links or edges)组成。生活中的很多关系(relationship)都可以用图来表示。Node degree 来表示结点重要度、中心度、枢纽度。in-degree(入度)、out-degree(出度)结点与结点之间存在多种关系(能吃、不能吃、推荐吃)节点的类型以及节点之间可能存在的连接(关系)(有些时候,本体图是唯一的、无歧义的)原创 2023-03-23 23:38:55 · 267 阅读 · 1 评论