论文相关
活在梦里°
是一个菜鸡
展开
-
元图Meta-Graph: Few shot link prediction via meta learning理解与部分翻译
引言链接预测的目的是能够从图中学习并推测出新的或者未知的关系。比如说,从社交网络方面,通过链接预测构建一个朋友推荐系统,从生物网络方面,通过链接预测推断出药物、蛋白质和疾病直接的关系。但是这些工作只聚焦于单一的问题设置:链接预测都用于一个单一的大图,并且这个图中的关系完整,至少有50%的真实链接(边)可以在训练阶段被看到。本篇文章要做是基于小样本链接预测这么一个更有挑战性的设定,目标是在多个只包含一小部分真实、潜在的边的图中进行链接预测。比如说,在生物网络方面,高通量的原子提供了评估上千个来自不同组织、原创 2020-06-22 10:55:34 · 1391 阅读 · 0 评论 -
Semi-Supervised Classification with Graph Convolutional Networls中谈到的图卷积的发展
原始图卷积核心思想:借助傅里叶变换,将原始信号X变换到频域,在频域上乘一个信号,再做傅里叶逆变换回到时域。卷积公式:gθ∗x=UgθUTxg\theta*x = Ug\theta U^Txgθ∗x=UgθUTx其中:gθ就是在频域中的一个filter,也称为为卷积核。U是图的拉普拉斯矩阵L的特征向量矩阵。拉普拉斯矩阵:L=IN−D−12AD−12=UΔUTL=I_N-D^{-\frac{1}{2}}AD^{-\frac{1}{2}}=U\Delta U^TL=IN−D−21AD原创 2020-05-14 13:14:05 · 181 阅读 · 0 评论