图神经网络
qq_41568035
这个作者很懒,什么都没留下…
展开
-
datawhale第三天
在图节点预测或边预测任务中,首先需要生成节点表征(representation)。高质量节点表征应该能用于衡量节点的相似性,然后基于节点表征可以实现高准确性的节点预测或边预测,因此节点表征的生成是图节点预测和边预测任务成功的关键。基于图神经网络的节点表征学习可以理解为对图神经网络进行基于监督学习的训练,使得图神经网络学会产生高质量的节点表征。 我们将以Cora数据集为例子进行说明,Cora是一个论文引用网络,节点代表论文,如果两篇论文存在引用关系,那么认为对应的两个节点之间存在边,每个节点由一个1433维的原创 2021-06-23 21:56:54 · 73 阅读 · 0 评论 -
Datawhale学习笔记,图论
图论基础 图的表示 图是由点和边组成,点和边都可以存储信息,类别型信息称为标签(label),数值型信息称为属性(attribute) 图的邻接矩阵:有n个节点构成n*n的矩阵,A[i,j]=1表示Vi和Vj之间存在边. 无向图的矩阵是对称的 无权图的每条边权重相同,都为1 图的属性 无向图的出度等于入度 无权图是有权图的特殊情况 邻接节点,指的是与自己相连接的节点 k跳远指的是,到目标节点需要的步数(2跳远包含自身) 行走是指经过边到达目标节点的过程(节点可以重复) 邻接矩阵A,那么A^n[i,j]为Vi原创 2021-06-16 21:26:41 · 124 阅读 · 0 评论