超图
文章平均质量分 90
饮冰l
这个作者很懒,什么都没留下…
展开
-
论文笔记:Hypergraph Convolution and Hypergraph Attention
前言论文链接:https://arxiv.org/abs/1901.081501. Hypergraph Convolution and Hypergraph Attention1.1 Hypergraph Revisited一个普通图定义为 G=(V,E)\mathcal{G}=(V,E)G=(V,E) ,其中节点集定义为 V={v1,v2,…,vN}V=\{v_1,v_2,\dots,v_N\}V={v1,v2,…,vN},边集定义为 E⊆V×VE \subseteq V \times V原创 2021-03-02 21:11:20 · 3288 阅读 · 4 评论 -
论文笔记:KDD 2020 Dual Channel Hypergraph Collaborative Filtering
1. 前言论文链接:https://www.researchgate.net/publication/343777368_Dual_Channel_Hypergraph_Collaborative_Filteringgithub:暂无协同过滤(CF)是当今众多推荐系统中最流行、最重要的推荐方法之一。现有的基于CF的方法,从矩阵分解到新兴的基于图的方法,虽然得到了广泛的应用,但是在训练的数据非常有限的情况下,表现都很差。在本文中,我们首先指出了这种不足的根本原因,并观察到现有基于CFbased方法内在设原创 2020-10-03 16:26:07 · 2117 阅读 · 0 评论 -
论文笔记:AAAI 2019 Hypergraph Neural Networks
1. 前言论文链接:http://gaoyue.org/paper/HGNN.pdfgithub:https://github.com/iMoonLab/HGNN在本文中提出了一个用于数据表示学习的超图神经网络(HGNN)框架,它可以在超图结构中编码高阶数据相关性。面对在实践中学习复杂数据表示的挑战,特别是在处理复杂数据时,超图在数据建模方面更加灵活。该方法设计了超边卷积运算来处理表示学习过程中的数据相关性。通过这种方法,可以有效地利用超边卷积运算来进行传统的超图学习。HGNN能够学习考虑到高阶数据结原创 2020-10-03 12:11:42 · 9631 阅读 · 2 评论 -
论文笔记:KDD 2020 Multi-level Graph Convolutional Networks for Cross-platform Anchor Link Prediction
1. 前言论文链接:https://arxiv.org/abs/2006.01963?context=cs.LGgithub:https://github.com/sunxiangguo/MGCN如今,大多数人都参与了不止一个在线社交网络(OSN),如Facebook、Twitter、微博、Linkedin。通常情况下,用户为了不同的目的在不同的OSNs上注册,不同的OSNs显示了不同的观点和人的不同方面。例如,一个用户在Facebook上联系他们的朋友,但是使用Linkedin联系他/她的同事,感兴原创 2020-10-02 17:42:12 · 2814 阅读 · 10 评论 -
论文笔记:NIPS 2007 Learning with Hypergraphs && CVPR 2015 Learning Hypergraph-regularized Attribute Pred
前言这篇文章算是超图方面的文章鼻祖,当作综述来看,系统了解一下超图我们通常将研究对象赋予成对的关系,可以用图来表示。然而,在许多现实问题中,我们感兴趣的对象之间的关系要比两两关系复杂得多。天真地将复杂的关系压缩成两两的关系将不可避免地导致信息的丢失,而这些信息对我们的学习任务是有价值的。因此,使用超图来代替完全表示我们感兴趣的对象之间的复杂关系,从而产生了使用超图学习的问题。本文的主要贡献是将原本适用于无向图的光谱聚类方法推广到超图,并在超图聚类方法的基础上进一步发展了超图的嵌入和转换分类算法。在数学原创 2020-09-30 20:38:33 · 1819 阅读 · 1 评论