科研
is黄鑫
生命必然是长期而持续的积累
展开
-
【论文解读 CIKM 2018 | GEM】Heterogeneous Graph Neural Networks for Malicious Account Detection
论文链接:Heterogeneous Graph Neural Networks for Malicious Account Detection来源:CIKM 2018(CCF-B 数据库,数据挖掘与内容检索)官方介绍:https://zhuanlan.zhihu.com/p/482437241.摘要本文提出GEM模型,是一个异质图神经网络方法,用于在支付宝中检测恶意账户。本文的方法受连通子图方法的启发,基于攻击者的两个基本弱点,从异质的账户-设备(account-device)图中自适应地学.转载 2020-08-02 11:52:43 · 938 阅读 · 0 评论 -
图神经网络-introduction 1 from李宏毅《机器学习》
前言:本期内容来自于李宏毅《机器学习》助教姜成翰在这门课上的补充内容。神经网络要如何聚合图结构中的信息呢?之前有说到有两种主流方法:(1) 把CNN的方法泛化,考虑节点周边的邻居关系进行空间上的卷积,比如 GAT。(2) 利用卷积本质是频域上的滤波这一特性,在频域上操作,比如 GCN。这一期我们来说下这两种方法具体怎么做。Spatial-based GNN这部分内容会包括 NN4G,DCNN,DGC,GraphSAGE,MoNET,GAT,GIN。它们主要的区分在聚合方式上的操作不同。我们先来看下卷转载 2020-08-02 09:33:46 · 448 阅读 · 0 评论 -
图神经网络-introduction 0 from李宏毅《机器学习》
一、什么是图神经网络?图神经网络 GNN 包括了两个关键词,图和神经网络。图是一种由节点和边组成的数据结构。从简单的地铁路线图,到RB Tree,到社交网络,知识网络,再到复杂的化学分子结构都可以看作是一种图。神经网络是一种由参数权重组成,能基于反向传播端到端训练学习的模型统称。从简单的全连接层感知机,CNN,RNN,到复杂的Transformer架构都可以看作是神经网络。二、我们为什么需要 GNN 呢?业界有很多基于图的数据迫切需要我们能把它输入模型进行处理。比如说,我们想让机器来辨识某一转载 2020-08-02 07:40:29 · 533 阅读 · 0 评论