图神经网络及认知推理-唐杰-清华大学

最新推荐文章于 2024-04-22 15:14:54 发布
最新推荐文章于 2024-04-22 15:14:54 发布
阅读量639 收藏
点赞数
分类专栏： 图神经网络 知识图谱 文章标签： 神经网络 深度学习 人工智能
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_42383283/article/details/122980149
版权

图神经网络及认知推理-唐杰-清华大学

图神经网络及认知推理

无处不在的网络
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
数据特点：数据规模大
从机器学习的角度，网络结构任务：
在这里插入图片描述

网络嵌入/网络表示学习与图神经网络相关研究:
在这里插入图片描述
网络表示学习/图嵌入
给定网络学习网络中每个节点的表示，使用低维向量在低维空间表示节点，具有相似标签的节点得到的节点表示更靠近。
在这里插入图片描述
网络表示学习为什么比较难？
现在的深度学习工具箱是为简单的序列或规则的网格设计的

  • CNNs用于固定大小的图像/网格
  • RNNs或word2vec用于文本/序列

但是网络中的结构更复杂！

  • 复杂的拓扑结构（即：没有像网格那样的空间局部性）
  • 没有固定的节点排序或参考点（即：同构问题）
  • 通常是动态的，具有多模态特性

在这里插入图片描述

在这里插入图片描述

Nat_Jst
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CCF-唐杰-认知图谱Cognitive Graph 理解、认知与推理-2019-10-19.pdf
02-17
转自CCF，网址：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663476289865728。 摘要：利用可解释推理机制对知识图谱进行推断是一个非常重要的问题，已受到广泛关注。本报告提出一种新型的知识图谱学习框架 CognitiveGraph, 该框架建立在认知科学dual process 理 论基础上，通过协调内涵抽取模块和外延推理模块迭代构建认知图谱，并且给出了一种可解释推理路径。CognitiveGraph 框架的实现基于 BERT 和图神经网络 GNN, 能够有效的处理超大规模节点网络，已经成功应用于许多领域，包括基于推理的问答系统 ( HotpotQA ) ，表现出相对现有方法最好的性能。
清华-唐杰《2019人工智能发展报告》发布会PPT-2019.12-16页.rar
09-11
清华-唐杰《2019人工智能发展报告》发布会PPT-2019.12-16页.rar
基于图神经网络的知识图谱补全和推理技术的突破
LuLaaa_的博客
01-27 384
通过在知识图谱上应用图神经网络，我们可以从大量文本数据中自动抽取实体之间的关系和属性信息，并发掘实体之间的隐藏关系和属性，从而提高知识图谱的表达能力和推理能力。未来，我们可以进一步探索新的算法和技术来解决知识图谱补全和推理中的挑战，并将其应用到更广泛的领域，如机器人智能、智能问答等。例如，一种常见的方法是使用基于注意力机制的图卷积神经网络（Graph Attention Network，GAT），通过对实体之间的相似度进行加权，来对实体之间的关系进行推理和预测。首先，基于规则推理的方法被广泛研究和应用。
从知识图谱到认知图谱｜唐杰
01-18
从知识图谱到认知图谱｜唐杰
清华-唐杰《人工智能发展报告》发布会PPT--16页.pdf
07-27
清华-唐杰《人工智能发展报告》发布会PPT--16页.pdf
图神经网络初探
Kaiyuan_sjtu的博客
10-03 7560
介绍随着图神经网络（Graph Neural Networks，GNN）热潮的出现，了解、掌握图神经网络相关原理以及应用相关技术越来越成来从事人工智能人员的必要条件。本文主要概述图神经网络...
清华计算机系唐杰,清华大学——唐杰：图神经网络 (GNN) 及认知推理
weixin_29952383的博客
07-19 2527
报告题目：图神经网络 (GNN) 及认知推理时 间：2019年10月11日下午13:30地 点：信息管理学院918会议室主办单位：华中师范大学信息管理学院专家简介：唐杰，清华大学计算机系教授、系副主任，国家杰出青年科学基金获得者。。研究兴趣包括：数据挖掘、社交网络和知识图谱。发表论文200余篇，引用10000余次。主持研发了研究者社会网络挖掘系统AMiner，吸引全球220个国家/地区...
图神经网络（11）— 在知识图谱上推理
qq_44689178的博客
04-18 4941
这篇文章，主要是讨论在不完整的知识图谱上推理，回答（预测）多跳的查询问题。 主要介绍Traversing Knowledge Graphs in Vector Space（以TransE为例）和Query2box*两个算法。
[论文阅读] (22)图神经网络及认知推理总结和普及-清华唐杰老师
杨秀璋的专栏
05-28 8231
《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。前一篇从个人角度介绍S&P21的离地攻击（Living-Off-The-Land）系统分析，这是一篇非常经典的论文。这篇文章将带来清华唐杰老师的分享“图神经网络及认知推理总结和普及”或“Graph Neural Networks and Applications—A Review”。唐老师也是学术界大牛，真心值得我们学习。同时文章融合了自己十年NLP的理解及相关资料补充，只希望帮助更多初学者，且看且珍惜，写得不好的地方
论文阅读：图神经网络应用于知识图谱推理的研究综述
Matcha-cheese
04-01 911
知识图谱推理的核心是针对三元组中的实体和关系进行预测，因此，需要对图数据的结构信息以及实体的属性信息进行表示，进而开展推理任务。GNN依靠其强大的点和边来对非欧几里德数据建模，高效地解决了在实际应用中遇到的图结构数据问题。图神经网络可以很好地学习知识图谱中的节点信息、节点间关系信息以及全局结构信息。基于RecGNN的知识推理通过不断地迭代传播邻接节点信息，得到图谱中节点的最终表示，进而开展知识推理。相比传统算法，模型同时考虑知识图谱的语义信息和结构信息，具备更好的可解释性和更强的推理能力；
基于图神经网络的推理研究
04-25
近年来，图神经网络(GNNs)已经成为解决大规模图数据问题的有效工具。然而，GNN并没有显式地将先前的逻辑规则合并到模型中，并且可能需要为目标任务添加许多标记示例。来自佐治亚理工学院和蚂蚁金服的Le Song给了关于图神经网络推理的精炼讲解。探讨了神经网络与广义网络的结合，并利用图神经网络进行广义网络的变分推理。
认知推理：从图表示学习和图神经网络的最新理论看AI的未来
04-17
由中国中文信息学会社会媒体处理专委会和北京智源人工智能研究院联合主办的“图神经网络在线研讨会 2020”于 3 月 29 日下午召开，邀请了宋国杰、沈华伟、唐杰、石川四位国内著名学者介绍图表示学习和图神经网络的...
基于神经网络的知识推理
扬帆起航
12-01 7570
知识推理是知识图谱补全的手段，也是知识图谱领域的研究热点之一。 知识图谱补全：补全知识图谱中不完整的或者隐含的知识。 面向知识图谱的知识推理大致可以分为三类： （1）基于逻辑的推理方式：通过一阶谓词逻辑、描述逻辑、等利用规则推理出新的实体关系 （2）基于统计的方法：通过机器学习从知识图谱中统计出规律 （3）基于图的推理方法：path ranking算法和基于神经网络的方法 ...
图神经网络总结（GCN/GAT/GraphSAGE/DeepWalk/TransE）
热门推荐
CycloneKid的博客
09-24 1万+
文章目录图神经网络1 游走类模型1.1 DeepWalk随机游走DeepWalk计算节点向量的方式：1.2 Node2VECnode2vec改进后的随机游走方式：1.3 LINE2 消息传递类模型2.1 GCN2.2 GAT2.3 GraphSageGraphSAGE 的采样方法：GraphSAGE 的聚合函数：Mean aggregatorLSTM aggregatorPooling aggregator2.4 HAT元路径（meta-path）meta-path的数学定义：基于meta-path的邻居N
清华计算机系唐杰,清华大学—唐杰：图神经网络（GNN）及认知推理
weixin_35983438的博客
07-19 4139
讲座主题：图神经网络(GNN)及认知推理讲座时间：2019年10月11日下午13:30--14:30讲座地点：信息管理学院918会议室主讲人：唐杰教授主讲人简介：唐杰，清华大学计算机系教授、系副主任，国家杰出青年科学基金获得者。研究兴趣包括：数据挖掘、社交网络和知识图谱。发表论文200余篇，引用10000余次。主持研发了研究者社会网络挖掘系统AMiner，吸引全球220个国家/地区1000多万独立...
机器学习-10-基于paddle实现神经网络
最新发布
IT从业者的成长历程
04-22 775
本系列是机器学习课程的系列课程，主要介绍基于paddle实现神经网络。
循环神经网络实例——序列预测
weixin_42255757的博客
04-22 992
本文主要以01序列预测为例讲解了循环神经网络的运行过程，特别是Embedding层的处理过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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