图数据挖掘&图机器学习&图嵌入
文章平均质量分 85
研究方向
如是我闻__一时__
菜鸟一枚,多多指教
展开
-
【斯坦福CS224W图机器学习】08 图嵌入
08 图嵌入文章目录08 图嵌入图嵌入-方法1-方法2-方法3 **Anonymous Walks Embedding**使用Anonymous Walks 嵌入图形New Idea: Learn Walk EmbeddingsLearn Walk Embeddings总结节点嵌入的应用图嵌入目标:想要嵌入一个子图或整个图,图形嵌入:ZGZ_GZG任务:分类有毒分子和无毒分子,识别异常图等-方法1简单的想法1:在(子)图上运行标准的图形嵌入技术,然后只计算(子)图中的节点嵌入的总和(或原创 2021-07-19 10:06:59 · 429 阅读 · 1 评论 -
【斯坦福CS224W图机器学习】 07 节点嵌入的随机游走Ranndom Walk方法
07 节点嵌入的随机游走Ranndom Walk方法文章目录07 节点嵌入的随机游走Ranndom Walk方法注意NotationRandom Walk随机游走Random-Walk EmbeddingUnsupervised Feature Learning -- 无监督特征学习Feature Learning as Optimization -- 优化问题Random Walk Optimization负采样Negative Sampling随机梯度下降Stochastic Gradient De原创 2021-07-18 19:57:06 · 696 阅读 · 0 评论 -
【斯坦福CS224W图机器学习】06 节点嵌入Node Embedding
节点嵌入Node Embedding文章目录节点嵌入Node Embedding概述图表示学习 Graph Representation Learning节点嵌入Node EmbeddingSetupEmbedding NodesLearning Node Embedding两个关键的组件--编码器与解码器浅层编码“Shallow Encoding”框架总结节点嵌入上的注意点概述回顾传统的图机器学习方法:给定一个输入图,提取节点、链接和图级特征,学习一个模型(SVM、神经网络等。)将特征映射到标签。原创 2021-06-19 10:02:07 · 984 阅读 · 2 评论 -
【斯坦福CS224W图机器学习】05 传统图机器学习方法--图级别:特征和图核
传统图机器学习方法–图级别:特征和图核文章目录传统图机器学习方法--图级别:特征和图核1概述2 Graphlet KernelGraphlet FeatureGraphlet KernalWeisfeiler-Lehman KernalColor refinement图级别特征总结1概述目标:我们想要能够描述整个图的结构的特征背景知识:Kernel methods核方法广泛用于传统的ML的图级预测。想法:设计内核,而不是特征向量。对内核的快速介绍:图G、G′G、G'G、G′之间的内核K(原创 2021-06-19 09:58:44 · 1001 阅读 · 1 评论 -
【斯坦福CS224W图机器学习】04 传统图机器学习方法--边级别:边的预测任务和特征
传统图机器学习方法–边级别:边的预测任务和特征1概述该任务是基于现有的链接来预测新的链接。在测试时,对所有节点对(不存在连接)进行排名,排名前K的节点对是将被预测的。关键是为一对节点设计特征链接预测作为任务链接预测任务中有两种形式:**1) Links missing at random: **删除一组随机的链接,然后目标是预测它们2) Links over time:通过相似度的链接预测背后思想**(研究方法Methodology)????*2边级别的特征基于距离的特征Di原创 2021-06-04 09:43:22 · 583 阅读 · 0 评论 -
【斯坦福CS224W图机器学习】03 传统图机器学习方法--节点级别
目录1引言Machine Learning TaskTraditional ML Pipeline 传统机器学习管道线Feature Design 特征设计Machine Learning in Graphs 图机器学习2节点级别的任务和特征Node-level features节点级别的特征节点特征:节点的度Node degree节点特征:节点中心性Node centrality节点特征:Clustering coefficient节点特征:Graphlets图集3总结1引言Machine Learn原创 2021-06-03 18:12:25 · 469 阅读 · 0 评论 -
【斯坦福CS224W图机器学习】作业 Colab0-Networkx库的使用
环境networkx 2.2matplotlib 2.2.3NetworkX is one of the most frequently used Python packages to create, manipulate, and mine graphs.import networkx as nxGraph图# 建立一个无向图GG = nx.Graph()print(G.is_directed())False# 建立一个有向图 HH = nx.DiGraph()print(H原创 2021-05-29 22:45:33 · 7016 阅读 · 2 评论 -
【斯坦福CS224W图机器学习】02 图的表示
02 图表示的选择文章目录02 图表示的选择Component of a Network网络的组成Define a Graph 定义图有向图和无向图节点的度 Node Degrees二部图 Bipartite Graph邻接矩阵 Adjacency Matrix边列表&邻接节点列表节点和边的属性更多类型的图带自环的图和多重图无向图的连通性有向图的连通性Component of a Network网络的组成对象:节点、顶点联系:链接、边系统:网络、图Define a Graph 定义图原创 2021-05-28 17:27:16 · 214 阅读 · 0 评论 -
【斯坦福CS224W图机器学习】01图机器学习及其应用
本系列博客是对斯坦福大学Jure Leskovec副教授所讲《CS224W图机器学习》所做的听课笔记。由于课程为英语授课,本人的英文理解不是很好,笔记中难免很有许多错误,欢迎大家一起纠错,一起学习。课程网址(源自于哔哩哔哩视频)文章目录1 为什么要学习图(Graph)2 图机器学习3 图机器学习的应用4 图机器学习案例4.1 节点级别的图机器学习任务4.2 边级别的图机器学习任务4.3 子图级别的图机器学习任务4.4 图级别的图机器学习任务1 为什么要学习图(Graph)"Graphs are..原创 2021-05-28 10:33:21 · 580 阅读 · 0 评论 -
【论文笔记】图的表示学习:方法和应用
Representation Learning on Graphs:Methods and ApplicationsWilliam L. Hamilton、Rex Ying、Jure LeskovecDepartment of Science Standford University论文地址:https://arxiv.org/abs/1709.05584v3目录文章目录Representation Learning on Graphs:Methods and Applications摘要1.原创 2021-04-29 10:11:13 · 517 阅读 · 0 评论