GCN
文章平均质量分 96
图神经网络
Wisley.Wang
这个作者很懒,什么都没留下…
展开
-
2021微信大数据挑战赛总结(微信视频号推荐)
赛程持续大概了两个多月的时间,从笔者临近毕业到工作,算是学生时代最后一个比赛吧,遗憾的是成绩并不是很理想,最后只拿到了国二,到了复赛阶段又是被迫solo的局面。复赛期间体会到了在职人员的不易,白天上班,晚上熬夜打比赛,真的太难了┭┮﹏┭┮。最后,做为学生时代的“收官之赛”,还是在此记录下比赛过程中学习到的知识,感谢周周星的分享以及大佬们无私的开源,努力向前排优秀选手学习。一、赛题描述此次比赛基于脱敏和采样后的数据信息,对于给定的一定数量到访过微信视频号“热门推荐”的用户, 根据这些用户在视频号内的历.原创 2021-08-16 23:28:44 · 3103 阅读 · 13 评论 -
基于消息传递框架的图卷积网络( Pytorch Geometric版)
数据格式参考:图数据通常成对的包含两部分信息,即以边(edge)的形式表示的关系(relation) 和 以节点(node)的形式表示的对象,在pytorch_geometric中,对于数据的形式主要包含以下几个属性x 节点特征矩阵,形状为[num_nodes, num_node_features]一、GCN普通的图卷积算子主要来源于“Semi-supervised Classification with Graph Convolutional Networks” ,笔者在深入浅出了解GCN原原创 2021-04-14 18:19:32 · 2165 阅读 · 1 评论 -
几种GNN模型的应用与改进
近期又陆续看了一些关于GNN的文章,这些文章总体上都是想要解决一个问题,就是如何从大规模图数据中,能有效嵌入节点和拓扑结构的信息,同时降低计算的复杂度,缓解过拟合的风险。有效地对图结构数据的节点进行embedding就需要考虑数据本身的特征,同时也要考虑不同应用场景以及下游任务的目标。在实际场景中,图数据本身就是错综复杂的,节点直接的联系有些是我们可以从先验知识中得到的,有些是无法直接定义,或者需要从模型中隐式地学习。关于图的描述和学习就有很多方法,比如从邻近的定义有deepwalk、Node2Vec、m原创 2020-11-20 15:31:56 · 3852 阅读 · 0 评论 -
深入浅出了解GNN的几种变体
接上篇博客,这周主要学习了GraphSAGE,GAT,R-GCN 三种GNN的变体模型,从空域的角度出发,对节点的嵌入表征进行了深入的研究。**(本文作为笔者的学习笔记,如有错误,希望各位读者批评指正)**原创 2020-11-08 11:31:41 · 3541 阅读 · 4 评论 -
深入浅出了解GCN原理(公式+代码)
相信大多数读者在了解GCN(Graph Convolutional Networks)之前,对CNN(Convolutional Neural Network)都是非常熟悉的,我们知道,在连续信号中的卷积是表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分,如下公式(1)。∫−∞+∞f(τ)g(x−τ)dτ(1)\int_{-\infty}^{+\infty} f(\tau)g(x-\tau)d\tau \qquad\qquad\qquad (1)∫−∞+∞f(τ)g(x−τ)dτ(原创 2020-11-01 21:27:11 · 23027 阅读 · 20 评论