【笔记】cs224w图神经网络

最新推荐文章于 2022-11-15 13:32:36 发布
最新推荐文章于 2022-11-15 13:32:36 发布
阅读量71 收藏
点赞数
分类专栏： 【推荐系统】 文章标签： 图神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qiyihan/article/details/109092240
版权
本文介绍了图神经网络的基础知识，包括网络与图的区别、无向图和有向图的概念、节点的度、完整图以及二部图的定义。此外，还探讨了图的数学表示——邻接矩阵。通过这些基本概念，为深入理解图神经网络的原理打下基础。
摘要由CSDN通过智能技术生成

图神经网络

01 intro

网络的部分组成：
N表示节点 E表示边 G(N,E)表示关系
网络和图区别：对于网络来说，图是网络的数学表示
例子
无向图 和 有向图
有向图 无向图
节点的度（节点周围边的数量）
节点的度
完整图
complete graph
二部图
bipartite graph
图表示：邻接矩阵
在这里插入图片描述
在这里插入图片描述

待更新

KryHan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
图神经网络（CS224w）学习笔记1 Introduction：Machine Learning for Graphs
woshuaizuishuai的博客
03-29 1330
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、为什么要选择图进行机器学习？（起源）1.现代深度学习工具的不足二、图神经网络定义1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 本章主要介绍了图神经网络的起源、定义、应用与总结。 课程建议先修知识点： 1.机器学习、2.算法与图论、3.概率论与数理统计 一、为什么要选择图进行机器学习？（起源） 图是用于描述并分析有关联/互动的实体的一种普适语言。它不将实体视为一系列孤立的点，而认为其互相之间.
cs224w 图神经网络 学习笔记（一）Introduction1
08-04
图神经网络学习笔记（一）Introduction 本篇笔记主要介绍了图神经网络的基础知识，包括图的优势、图论的基本概念、网络的定义、图的结构、图的不同形式和图的存储等。 1. 图的优势 图是一种通用语言，能够描述...
cs224W 图神经网络学习笔记 1-3
weixin_45636780的博客
10-30 261
斯坦福cs224w 图神经网络学习笔记1-3
cs224w 图神经网络学习笔记 2-2
weixin_45636780的博客
11-04 330
cs224w图神经网络学习笔记
cs224w 图神经网络学习笔记 3-1
最新发布
weixin_45636780的博客
11-15 198
cs224w课程3-1节课程笔记
cs224w 图神经网络学习笔记 2-3
weixin_45636780的博客
11-14 263
cs224w图神经网络 学习笔记2-3
CS224W图神经网络笔记自用：Graph Neural Networks
m0_49832700的博客
09-06 361
Jure Leskovec斯坦福CS224W图机器学习笔记自用：Graph Neural Network
cs224w 图神经网络学习笔记 2-1
weixin_45636780的博客
10-31 331
cs224w图神经网络 2-1学习笔记
cs224W 图神经网络学习笔记 1-2
weixin_45636780的博客
10-29 176
斯坦福cs224w 基于图的机器学习应用
CNN笔记：通俗理解卷积神经网络
热门推荐
结构之法 算法之道
07-02 82万+
2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程，耳濡目染中，总会顺带着学习学习。
cs224w 图神经网络 学习笔记（二）Properties of Networks and Random Graph Mode
08-04
【图神经网络学习笔记（二）——网络属性与随机图模型】 在图神经网络的研究中，理解网络的特性至关重要。本笔记将深入探讨如何衡量一个网络的属性，并介绍几种常用的图模型，包括真实网络案例的属性计算以及小世界...
cs224w 图神经网络 学习笔记（四）Snap.py_ SNAP for Python1
08-04
在CS224W这门课程中，我们将深入理解如何利用图神经网络进行机器学习任务，如社交网络分析、推荐系统和化学分子结构预测等。 在【SNAP for Python1】部分，我们引入了Stanford Network Analysis Platform (SNAP)，...
cs224w 图神经网络 学习笔记（五）Community Structure in Networks1
08-04
【社区结构在网络中的重要性】 社区结构在网络中是至关重要的，因为它揭示了网络内部的组织方式和信息流的模式。社区通常是指网络中一组相互连接的节点，它们之间的联系比与其他社区的节点间的联系更为紧密。这种...
cs224w 图神经网络 学习笔记（三）Motifs and Structural Roles in Networks1
08-04
Motifs是网络中的一些重要模式，用于帮助我们了解网络是如何工作的，预测网络在特定情况下的运行和反应。Motifs是一些小的诱导子图，需要在网络中重复很多次，并且重复的Motifs里会有相同的单元（节点）。Motifs的...
推荐系统之路
因上努力，果上随缘的博客
04-06 3373
目录推荐系统常见行业应用电商资讯游戏视频推荐系统学习路径推荐算法工程师算法基础--->机器学习--->代码能力--->工程能力--->推荐系统相关技术简介召回排序重排推荐算法岗位面试要点 深度之眼直播课笔记 推荐系统常见行业应用 电商 淘宝 资讯 头条 游戏 腾讯游戏 视频 爱奇艺 推荐系统学习路径 推荐算法工程师 算法基础—> 高等数学 线性代数 概率论 离散数学 机器学习—> 传统模型：LR、SVM、决策树等 深度学习模型：DNN、LSTM、GRU 图模型：应用在
十个推荐系统的开源项目
因上努力，果上随缘的博客
04-08 2554
10个开源的推荐系统 1、muricoca/crab https://github.com/muricoca/crab 2、ibayer/fastFM https://github.com/ibayer/fastFM 3、Mendeley/mrec https://github.com/mendeley/mrec 4、MrChrisJohnson/logistic-mf https://github.com/MrChrisJohnson/logistic-mf 5、jadianes/winerama-rec
【deepctr】学习入门笔记01
因上努力，果上随缘的博客
01-29 2530
目录了解准备工作1.下载包2.导入pycharm3.导入所需包代码（例：run_classification_criteo.py）导入所需包数据预处理1.对稀疏特征进行标签编码，对稠密特征进行简单转换2.计算每个稀疏字段的唯一特征数，并记录密集特征字段名称3.为模型生成输入数据4.定义模型、培训、预测和评估 了解 浅梦大神的这个写的还是就我而言 我觉得非常好了，非常值得操作一下 DeepCTR：易用可扩展的深度学习点击率预测算法包 首先下面两个链接是你最先需要了解的 github这个是这个包的开源代码（附数
阿里的《基于pai的推荐系统》--摘抄笔记
因上努力，果上随缘的博客
09-23 1240
目录推荐系统简介一、什么是推荐系统（一）常见的推荐业务场景（二）个性化推荐业务流程企业级推荐系统架构（一）企业级推荐系统要求（二）推荐整体架构（三）基于PAI的推荐技术架构推荐系统召回算法一、召回模块在推荐系统中的位置二、推荐场景--召回算法介绍三、什么是协同过滤四、向量召回架构说明推荐系统排序算法一、排序模块在推荐系统中的位置二、排序算法介绍三、离线排序模型训练架构四、在线排序模型训练架构推荐系统线上服务编排一、在线推理服务 - 架构说明二、线上多目标问题基于 PAI 10 分钟搭建一个简单推荐系统一、个
斯坦福CS224W图机器学习笔记：为何研究网络与图的基本概念
"cs224w 图神经网络 学习笔记（一）Introduction1" 在图神经网络（GNN）的学习中，首先我们要理解的是，网络作为一种强大的抽象工具，能够帮助我们描述和分析复杂系统中各元素之间的相互作用。网络是由节点（Nodes...
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

KryHan

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