论文笔记：GraRep: Learning Graph Representations with Global Structural Information

最新推荐文章于 2021-07-16 13:41:59 发布
最新推荐文章于 2021-07-16 13:41:59 发布
阅读量1.7k 收藏 1
点赞数
分类专栏： baseline1 文章标签： 降维 图表示 矩阵分解
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/qq_35771020/article/details/88413555
版权
GraRep是一种新模型，用于学习加权图中节点的低维表示，融合全局结构信息。与DeepWalk和skip-gram模型对比，GraRep在图聚类、分类和可视化任务中表现出色，且提供了对DeepWalk采样方法的统一概率理解，定义了加权图的损失函数。虽然计算成本高，未来工作将探索近似方法和替代SVD的策略。
摘要由CSDN通过智能技术生成

一、基本信息

论文题目：《GraRep: Learning Graph Representations with Global Structural Information》

发表时间：CIKM  2015

论文作者及单位：

论文地址：https://dl.acm.org/citation.cfm?id=2806416.2806512

 

二、摘要

        本文提出了一种学习加权图顶点表示的新模型GRAREP。该模型学习低维向量来表示图中出现的顶点，与现有的工作不同，它将图的全局结构信息集成到学习过程中。我们还正式分析了我们的工作与之前的几个研究成果之间的联系，包括Perozzi等人的DeepWalk模型。[20]以及Mikolov等人的带负采样的skip-gram模型。〔18〕
        我们在一个语言网络、一个社交网络以及一个引文网络上进行了实验，结果表明，我们所学的全局表示法可以有效地用作诸如聚 类、分类和可视化等任务的特征。经验结果表明，在这类任务中，我们的表现明显优于其他最先进的方法。

 

三、主要内容和工作

1、在许多实际问题中，信息通常是用图表来组织的。例如，在社会网络研究中，根据社会图表将用户分类为有意义的社会群体，可以产生许多有用的实际应用，如用户搜索、有针对性的广告和推荐。因此

最低0.47元/天 解锁文章
塘朗老实人
关注
专栏目录
Deep learning in graph clustering 论文两篇
DawnRanger的专栏
08-16 4642
1. Learning Deep Representations for Graph Clustering论文信息：Tian, Fei, et al. “Learning Deep Representations for Graph Clustering.” AAAI. 2014.来自微软亚洲研究院，这是最早将深度学习应用于图聚类问题(graph clustering)的文章。论文的思路非常简单，首
Deep Neural Networks for Learning Graph Representations论文笔记
guaidoukx的博客
04-13 1022
Deep Neural Networks for Learning Graph Representations stack anto-encoder 的相关介绍 网络性质 属性、标签 权重 方向 方法 任务 同质 有 有权 有向 matrix factorization node classification 异质 无 无权 无向 random walk link predic...
GraRep: Learning Graph Representations with Global Structural Information论文解读（翻译）
weixin_43968119的博客
01-09 7225
一种基于全局信息的图结点特征向量学习算法 注：这篇论文是在网络表示学习（NRL: network representation learning）和网络嵌入研究领域（NE: network embedding）必读论文清单中的，但找了一下没有发现网上关于该论文的解读。不才写下一些解读供自己学习和大家探讨，斜体字是我自己加上的，与原论文无关（里面提到的共现co-occurrence指的是两个节点同时...
文献阅读（15）CIKM2015-GraRep：Learning Graph Representations with Global Structural Information
CSDNTianJi的博客
03-18 768
本文是对《GraRep：Learning Graph Representations with Global Structural Information》一文的浅显翻译与理解，原文章已上传至个人资源，如有侵权即刻删除。
论文学习笔记：GraRep
weixin_40675092的博客
06-25 682
GraRep：学习加权图顶点的低维向量表示 亮点：通过操纵不同的全局转移矩阵AkA^kAk，捕获顶点的k-step relational information（其中k可以取不同值），得到k阶局部信息，整合这些局部信息，得到全局表达。 缺点：计算复杂度O(∣V∣)O(|V|)O(∣V∣)，无法推广到大型网络 contribute 提出学习图节点潜在向量表达的模型，能够捕获全局结构信息 从概率观点对DeepWalk中同一采样的理解 分析了负抽样相关的Skip-Gram模型的不足。 GreRep模型 图相关
Learning representations on graphs.pdf
03-29
typically represented as a graph whose vertices represent entities and edges represent links or relationships between these entities. As the pervasiveness and scope of network data increase, there ...
Paper Notes: A Comprehensive Survey on Graph Neural Networks
HotChoc的博客
03-05 1115
A Comprehensive Survey on Graph Neural Networks LINK: https://arxiv.org/abs/1901.00596 CLASSIFICATION: GNN, SURVEY YEAR: 2019 FROM: ArXivID:1901.00596 WHAT PROBLEM TO SOLVE: Existing surveys...
论文阅读：Inductive Representation Learning on Large Graphs
qq_45402748的博客
12-25 960
Low-dimensional embeddings of nodes in large graphs have proved extremely useful in a variety of prediction tasks, from content recommendation to identifying protein functions. However, most existing approaches require that all nodes in the graph are prese
论文研读：CVPR2020 相关文章
Always_ease的博客
06-20 1160
What Can Be Transferred: Unsupervised Domain Adaptation forEndoscopic Lesions Segmentation（cvpr2020） Author：Jiahua Dong,...,Xiaowei Xu 问题：迁移的时候对所有信息同等对待，有些信息会损耗目标网络。how to automatically capture transferable visual characterizations and semantic represe..
期权matlab代码-GraRep:SciPy实现“使用全局结构信息学习图形表示”（WWW2015）
05-26
预算matlab代码格拉普 ⠀⠀ GraRep的SciPy实现：使用全局结构信息学习图形表示（WWW 2015） 。 抽象的 在本文中，我们介绍了GraRep，这是一种用于学习加权图的顶点表示的新颖模型。 该模型学习低维向量来表示出现在图中的顶点，并且与现有工作不同，该模型将图的全局结构信息集成到学习过程中。 我们还正式分析了我们的工作与之前的一些研究工作之间的联系，其中包括Perozzi等人的DeepWalk模型。 以及带有Mikolov等人的负采样的跳图模型。 我们在语言网络，社交网络和引文网络上进行了实验，结果表明，我们学习到的全局表示形式可以有效地用作诸如聚类，分类和可视化等任务中的功能。 实验结果表明，在此类任务中，我们的表示方法明显优于其他最新方法。 该模型现在也可以在包装中找到。 该存储库提供了GraRep的SciPy实现，如本文所述： GraRep：使用全局结构信息学习图形表示。 曹少生，卢伟和徐琼凯。 WWW，2015年。 MatLab和Julia的实现可用。 要求 该代码库是在Python 3.5.2中实现的。 用于开发的软件包版本如下。 networkx 2.4
同质网络表征学习相关论文
04-18
同质网络表征学习相关论文，包括DeepWalk，TADW，Grarep等
输出1到n的所有排列
05-26
输出1到n的所有排列 即全排列！用回溯法做的！
论文笔记(1)：Deep Learning.
weixin_30412013的博客
05-10 302
论文笔记1：Deep Learning 2015年，深度学习三位大牛（Yann LeCun，Yoshua Bengio & Geoffrey Hinton），合作在Nature上发表深度学习的综述性论文，介绍了什么是监督学习、反向传播来训练多层神经网络、卷积神经网络、使用深度卷积网络进行图像理解、分布式特征表示与语言处理、递归神经网络，并对深度学习技术的未来发展进行展望。...
Deep learning 论文笔记
liziqin的博客
05-18 2691
版权声明：本文为博主原创文章，未经博主允许不得转载。文章申明：小白初作，随意拍论文原文：http://pages.cs.wisc.edu/~dyer/cs540/handouts/deep-learning-nature2015.pdftitle：《Deep learning》author：Yann LeCun 1,2 , Yoshua Bengio 3  & Geoffrey Hinto...
计算机语言网图,Graph Neural Network（GNN）最全资源整理分享
weixin_42526068的博客
07-16 1962
GNN自去年起，一直是研究的热点，图神经网络相关的关键词频繁出现在今年各大AI顶会论文title中，加深对这一领域的了解是非常必要的。分享一篇，关于GNN，目前看到的整理得最细致的资源列表。内容涉及节点表示学习、知识图谱表示学习、图神经网络介绍、图神经网络应用、图生成以及可视化相关的最新论文列，还收集了目前流行的开源GNN平台。本文内容整理自网络，源地址：https://github.com/De...
NE(Network Embedding)论文小览
热门推荐
DarkScope从这里开始
07-04 3万+
NE(Network Embedding)论文小览自从word2vec横空出世，似乎一切东西都在被embedding，今天我们要关注的这个领域是Network Embedding，也就是基于一个Graph，将节点或者边投影到低维向量空间中，再用于后续的机器学习或者数据挖掘任务，对于复杂网络来说这是比较新的尝试，而且取得了一些效果。 本文大概梳理了最近几年流行的一些方法和论文，paper主要是来自t
NRL: network representation learning & NE: network embedding. 相关论文总结
BVL的博客
07-18 3958
Must-read papers on NRL/NE.NRL: network representation learning. NE: network embedding. DeepWalk: Online Learning of Social Representations. Bryan Perozzi, Rami Al-Rfou, Steven Skiena. KDD 2014. paper
推荐系统初学者系列（8）-- Graph Embedding（网络嵌入表示）做Top-K推荐
私人天地
06-29 1万+
上一篇：Surprise库做Top-K推荐
DIRECTX开发笔记：DirectShow SDK学习
"DIRECTX开发笔记，主要内容涉及DirectShow的基础知识，包括设置开发环境、示例程序、DirectShow概述以及FilterGraph及其组成。" 在DirectX的开发领域中，DirectShow是一个重要的子集，主要用于处理流媒体，包括...
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
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