![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图神经网络
文章平均质量分 83
_刘文凯_
熟练掌握c/c++, R, matlab, python,unity3D, flask,Linux,pyqt5, docker, anaconda, 爬虫,机器学习,深度学习,图神经网络,keras, tensorflow, pytorch, 生物信息学, 实变函数,泛函分析,大数据,hadoop, HDFS,Hive, spark, NLP, CV, ArcGIS等单词拼写.
展开
-
使用 PyTorch Geometric 和 GCTConv实现异构图、二部图上的节点分类或者链路预测
定义异构图的元数据字典 meta_dict,其中 ‘n1’ 和 ‘n2’ 分别表示两种节点类型,而 (‘n1’, ‘e1’, ‘n2’) 表示从类型 ‘n1’ 的节点到类型 ‘n2’ 的节点有一条边,这条边的索引和权重分别为 edge_index_e1 和 edge_weight_e1。edge_index_e2=torch.flip(edge_index_e1, (0,)) 创建逆向的边,由于是二部图无向图所以需要。定义异构元数据列表 meta_list,其中包含所有节点类型和边类型的名称信息。原创 2023-04-15 14:50:17 · 1430 阅读 · 1 评论 -
从零开始一文理解Graph Embedding
从图的基础知识开始介绍,本文包括 DeepWalk LINE SDNE Node2vec Struc2vec等几个重要的Graph Embedding 方法,对随机游走、skipgram都做了一定的解释。只要给定d维度,而由神经网络自动图中节点的embedding这一过程,就叫做Graph Embedding。原创 2023-02-23 17:52:03 · 671 阅读 · 3 评论 -
理解随机游走
在任意一个顶点,遍历者将以概率1-a游走到这个顶点的邻居顶点,以概率a随机跳跃到图中的任何一个顶点,称a为跳转发生概率,每次游走后得出一个概率分布,该概率分布刻画了图中每一个顶点被访问到的概率。(1)赌徒在赌场赌博,赢的概率是p,输的概率1-p,每次的赌注为1元,假设赌徒最开始时有赌金1元,赢了赌金加1元,输了赌金减1元。假设在我们的文本序列中有5个词,[“the”,“man”,“loves”,“his”,“son”]。进一步,假设给定中心词的情况下,背景词之间是相互独立的,公式可以进一步得到。原创 2023-02-23 17:04:16 · 887 阅读 · 0 评论 -
图神经网络基础 Graph 图以及python实现
本文将介绍图的基本知识、无向图、有向图、邻接矩阵 python实现:度、连通分量、强连通图、弱连通图、图直径、度中心性、特征向量中心性、中介中心性、连接中心性等基本概念。原创 2023-02-22 10:14:18 · 2528 阅读 · 0 评论