![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
GNN图神经网络
文章平均质量分 95
用于分享最新图神经网络论文以及框架,论文复现
一个追逐自我的程序员
曾经梦想成为一个优秀的游戏策划,中道转而人工智能
展开
-
Datawhale 图神经网络task7
引用自Datawhalehttps://github.com/datawhalechina/team-learning-nlp/tree/master/GNN超大规模数据集类的创建在前面的学习中我们只接触了数据可全部储存于内存的数据集,这些数据集对应的数据集类在创建对象时就将所有数据都加载到内存。然而在一些应用场景中,数据集规模超级大,我们很难有足够大的内存完全存下所有数据。因此需要一个按需加载样本到内存的数据集类。在此上半节内容中,我们将学习为一个包含上千万个图样本的数据集构建一个数据集类。D原创 2021-07-10 00:24:35 · 299 阅读 · 1 评论 -
Datawhale 图神经网络task6
基于图神经网络的图表征学习方法引用自Datawhalehttps://github.com/datawhalechina/team-learning-nlp/tree/master/GNN引言在此篇文章中我们将学习基于图神经网络的图表征学习方法,图表征学习要求在输入节点属性、边(和边的属性如果有的话)得到一个向量作为图的表征,基于图表征进一步的我们可以做图的预测。基于图同构网络(Graph Isomorphism Network, GIN)的图表征网络是当前最经典的图表征学习网络,我们将以它为例原创 2021-07-06 00:11:30 · 229 阅读 · 0 评论 -
Datawhale 图神经网络task5
引用自Datawhalehttps://github.com/datawhalechina/team-learning-nlp/tree/master/GNN原创 2021-07-02 00:38:44 · 214 阅读 · 0 评论 -
Datawhale 图神经网络task4
引用自Datawhalehttps://github.com/datawhalechina/team-learning-nlp/tree/master/GNN先打卡占坑,由于理解的并不是很好,而且最近很忙,所以明天补上打卡。原创 2021-06-27 22:57:10 · 262 阅读 · 2 评论 -
Datawhale 图神经网络task3
引用自Datawhalehttps://github.com/datawhalechina/team-learning-nlp/tree/master/GNN基于图神经网络的节点表征学习引言在图节点预测或边预测任务中,需要先构造节点表征(representation),节点表征是图节点预测和边预测任务成功的关键。在此篇文章中,我们将学习如何基于图神经网络学习节点表征。在节点预测任务中,我们拥有一个图,图上有很多节点,部分节点的预测标签已知,部分节点的预测标签未知。我们的任务是根据节点的属性(可原创 2021-06-24 00:17:35 · 214 阅读 · 0 评论 -
Datawhale 图神经网络task2
消息传递图神经网络一、引言在开篇中我们已经介绍,为节点生成节点表征是图计算任务成功的关键,我们要采用图神经网络实现节点表征学习。在此小节,我们将学习基于神经网络的生成节点表征的范式——消息传递范式。消息传递范式是一种聚合邻接节点信息来更新中心节点信息的范式,它将卷积算子推广到了不规则数据领域,实现了图与神经网络的连接。此范式包含三个步骤:(1)邻接节点信息变换、(2)邻接节点信息聚合到中心节点、(3)聚合信息变换。因其简单且强大的特性,它广泛地被人们所采用。此外,我们还将学习如何基于消息传递范式构建图神原创 2021-06-19 23:30:15 · 184 阅读 · 2 评论 -
图神经网络打卡task1
通过构造函数Data类的构造函数:class Data(object): def __init__(self, x=None, edge_index=None, edge_attr=None, y=None, **kwargs): r""" Args: x (Tensor, optional): 节点属性矩阵,大小为`[num_nodes, num_node_features]` edge_index (LongTensor, optional)原创 2021-06-15 21:03:08 · 279 阅读 · 0 评论 -
推荐系统排序(Ranking)评价指标----推荐系统
前言记录论文中常用的评价指标,方便查阅。推荐系统排序(Ranking)评价指标一、准确率(Precision)和召回率(Recall)(令R(u)是根据用户在训练集上的行为给用户作出的推荐列表,而T(u)是用户在测试集上的行为列表。)对用户u推荐N个物品(记为R(u)),令用户u在测试集上喜欢的物品集合为T(u),然后可以通过准确率/召回率评测推荐算法的精度:准确率描述最终的推荐列表中有多少比例是发生过的用户—物品评分记录;召回率描述有多少比例的用户—物品评分记录包含在最终的推荐列表中。转载 2021-03-10 14:19:58 · 3762 阅读 · 2 评论 -
图神经网络推荐方向--论文代码读记
前言这篇作为自己读论文代码过程中一些简单的代码备忘读记吧,方便查阅。一、torch.cat() 、torch.stack()拼接张量:torch.cat() 、torch.stack()torch.cat(inputs, dimension=0) → Tensor在给定维度上对输入的张量序列 seq 进行连接操作举个例子:>>> ``import` `torch``>>> x ``=` `torch.randn(``2``, ``3``)``&g原创 2021-03-10 14:08:55 · 635 阅读 · 0 评论 -
AAAI2021 | 你想与谁分享?社交电子商务中的共享推荐研究
AAAI2021 | 你想与谁分享?社交电子商务中的共享推荐研究引用:https://mp.weixin.qq.com/s/mn9yLgK12gfEpEle9kRClw论文链接:http://www.shichuan.org/doc/99.pdf前言这是北邮的一个博士大佬刚发在AAAI2021上,电子商务网站淘宝上有关社交分享推荐,结合了基于元路径的GNN推荐,引入注意力机制,我觉得淘宝的推荐强大的一点就是对业务的特征非常熟悉,而这篇很好地利用了淘宝平台的数据,以及结合淘宝业务与对象特征设计模型原创 2021-01-15 16:28:15 · 450 阅读 · 3 评论 -
KDD19|基于元路径引导的异质图神经网络意图推荐 论文浅尝
KDD19|基于元路径引导的异质图神经网络意图推荐 论文浅尝论文链接:https://dl.acm.org/doi/10.1145/3292500.3330673代码链接:https://github.com/googlebaba/KDD2019-MEIRec前言这篇论文是北邮联合阿里的淘宝一起在淘宝平台研究的有关用户意图推荐,很好地利用了淘宝平台的数据优势,结合异质信息网络的元路径方法并融合一些静态的特征信息,最后经过MLP层(神经网络全连接层),预测意图得分。可以说这篇很好地将图神经网络有关推原创 2020-12-28 12:59:13 · 1134 阅读 · 1 评论 -
ICLR20| 融合多关系图卷积网络COMPGCN论文浅尝
前言今天是21年研究生考试的第一天,回想去年这个时候,自己也是百万大军中的一员,日复一日地在图书馆复习,然后订着酒店,赶着公交,奔赴考场,考完政治和英语伤心自己没有发挥好,这些场景恍如昨日。这一年过的有点光阴似箭,突如其来的疫情打乱了我们每个人的计划,我们被迫取消一些出行、一些活动,甚至一些企业也因为这次疫情而被迫关闭,但是我们依旧如那窗外的春燕,在凌厉的寒冬过后,几度徘徊后,待春暖花开后归来。尽管20年还有计划未完成,会有一些遗憾,一些心愿,但是我们向前看,向往新的一年,希望自己能够科研上有所成果,技原创 2020-12-26 13:58:03 · 993 阅读 · 0 评论 -
SIGIR20|LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
SIGIR20|LightGCN: Simplifying and Powering Graph Convolution Network for RecommendationABSTRACT图卷积网络已经成为结合协同过滤算法的最新技术。但是,它推荐的有效性的原因还不是很明确。现有的使GCN适应推荐的工作缺乏对GCN的消融分析,GCN由于参考了卷积神经网络改造而来,所以包含许多神经网络操作。但是作者基于实验发现GCN最常见的两个设计-特征转换和非线性激活对协同过滤的性能几乎没有影响。反而增加了训练的难度原创 2020-12-16 22:04:53 · 520 阅读 · 0 评论 -
KDD20 | 基于元学习的异质信息网络推荐冷启动方案论文阅读报告
14534563原创 2020-11-26 19:06:01 · 693 阅读 · 0 评论