Step to a New World

文章目录Capturing Graph StructureGraph Isomorphism NetworkVulnerability to Noise转载请注明：这一个 Lecture 前还有一个关于 Knowledge Graph 的 slide 我打算跳过，因为 KG 我现在还没有深入研究，可能以后有空会系统地写一个系列，因此现在就不要先入为主了。后面也还有一个 slide 讲 GNN 的应用的，其实就是将前面的内容投入实际场景，没有太多新的 technique，因此也就不整理了。而这一个 Le

文章目录MacroscopicForest Fire ModelMicroscopicTemporal NetworkTemporal PageRankMesoscopic转载请注明：网络的形成不是一蹴而就的，就像一个人的人际关系并非出生就是完整的，而是在成长过程中通过接触他人结识新朋友而逐步形成的。以时间为变量，网络结构的变化过程就是我们需要研究的。这个 Lecture 以三个层次进行研究讨论，分别是macro level: models, densificationmeso level: mo

文章目录Influence MaximizationPropagation ModelsLinear Threshold ModelIndependent Cascade ModelGreedy Hill Climbing AlgorithmSketch-Based AlgorithmOutBreak DetectionCELF: Cost-Effective Lazy Forward-selectionLazy EvaluationData Dependent BoundInfluence Maximi

文章目录Decision Based Model of DiffusionLarge CascadesExtending the Model我们研究网络，不仅是为了提取网络结构的特征或对节点进行分类。更多的是为了研究网络上的传播过程，比如消息在社交网络中的传播，以及传染病在人群中的传播。而现实世界中的网络是不会显式地表现出传播过程的，而是通过时间先后的关系展示出传播性的。Decision Based Model of Diffusion现在有两种选择 A 和 B，一个人现在要决定要么选 A 要么选 B

文章目录PageRankProblemsPersonalized PageRank将互联网视为图的话，它必定存在结构上的一些规律。首先回顾一下强连通子图 (strongly connected component, SCC)，如果一个有向图的子图内任意节点可以互相到达，那么这就是一个 SCC。而包含节点 A 的 SCC 必满足 SCC(A)=Out(A)∩In(A)SCC(A)=Out(A)\cap In(A)SCC(A)=Out(A)∩In(A) 其中 Out 和 In 分别表示从 A 出发能到达的点以

文章目录Graph Neural NetworkGraph Convolutional NetworkGraphSAGEGraph Attention NetworkTipsDeep Generative Models for GraphsGraphRNN: a Auto-Regressive ModelsTractabilityGraph Neural Network这一课主要讲了如何用深度学习的方法来做 embedding，也就是最近很火的 Graph Neural Network 图神经网络。之所

文章目录Node EmbeddingRandom Walknode2vecTransEEmbedding Entire GraphAnonymous WalkReferenceNode Embedding上一讲介绍了对图中节点进行分类的方法，涉及了节点自身的特征以及图的结构信息。然而当特征这个概念出现就说明需要做特征工程，这是相当费时费力的工作。最后的结果还不一定理想，因为或多或少会丢失一些信...

文章目录Node ClassificationProbabilistic Relational ClassifierIterative ClassificationBelief Propagation前面几课时讲的主要是图的性质、一些基本结构和针对结构的算法。而从现在开始就要涉及到具体的 learning 任务了。这一讲要解决的主要问题是：给定一个网络以及网络里一部分节点的标签，我们如何为其它节...

文章目录Spectral ClusteringGraph Partitioningddd-Regular GraphMotif-Based Spectral ClusteringSpectral Clustering前面的课程说到了 community detection 并介绍了两种算法。这次来说说另外一类做社区聚类的算法，谱聚类。这种算法一般分为三个步骤pre-processing: ...

Community之前讲到了网络中节点扮演不同角色，而角色这个概念和社区互补，那么接下来就讨论下社区这个概念。以找工作为例，曾经学者 Granovetter 调查过人们的工作是由谁介绍的，结果很意外。大部分人的工作是由“熟人”，或者说关系并不是很密切的人介绍的。然后 Granovetter 分析后提出了他的解释：这种“熟人”可能涉及整个社交网络很广泛的区域 (普遍来说通过 6.66.66.6 ...

文章目录Network MotifsConfiguration ModelGraphletsHow to Find Motifs and GraphletsStructural Roles大量真实网络都有一个规律，即这些网络都是由一些 building block 构成，类似 Kronecker 图有大量的重复结构。而我们需要一种度量方式来衡量某个结构在图中的显著性。因此需要引入 motif 和...

文章目录Lecture 1: IntroductionLecture 2: Properties and Random GraphDegree DistributionPath LengthClustering CoefficientConnectivityErdos-Renyi Random Graph ModelSmall-World ModelKronecker Graph Model最近...