![](https://img-blog.csdnimg.cn/a3ac43ad4a9c415887eddcd20367ee7e.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
GNN内容
文章平均质量分 96
GNN从入门到精通
海阔&天空742
这个作者很懒,什么都没留下…
展开
-
实战-----基于 PyTorch 的 GNN 搭建
在以上的实验中,我们对 PyG 中的图数据类以及自身具备的图数据进行了实践,整体而言比较简单,和 PyTorch 中的一些相关操作也有相似之处。唯一美中不足的是,在加载 PyG 中的图数据时经常会遇到问题,需要手工下载数据集并且修改原代码。1%29%7D网址在此。原创 2023-11-10 00:38:40 · 1490 阅读 · 3 评论 -
利用节点特征进行节点分类
根据节点的属性(可以是类别型、也可以是数值型)、边的信息、边的属性(如果有的话)、已知的节点预测标签,对未知标签的节点做类别预测。PyG内置了大量常用的基准数据集,以PyG内置的Planetoid数据集为例。Planetoid数据集类的官方文档为。我们在这里使用的是其中的Cora 数据dataset = Planetoid(root='dataset/Cora', name='Cora')#包括数据集的下载,若root路径存在数据集则直接加载数据集。原创 2023-12-07 20:30:23 · 565 阅读 · 2 评论 -
论文阅读9-----GLOBAL EXPLAINABILITY OF GNNS VIA LOGICCOMBINATION OF LEARNED CONCEPTS
Interpretability of CNN 即CNN的可解释性,研究者们希望看到CNN每一层所做的事情,截止目前,人们已经逐渐向CNN的可解释研究靠近,但没有完全解决;类似地,自然语言处理的重要模型RNN也存在没有完全解决可解释性的问题;深度学习是基于数据而驱动的,对比传统的算法,往往是基于各种判断条件,再依次执行计算;深度学习可以认为是数据归纳统计的结果,让机器在海量数据中学习分布,以概率形式输出结果,中间的计算过程犹如黑箱(Black Box)原创 2023-09-26 00:48:35 · 153 阅读 · 1 评论 -
图神经网络 Graph Neural Networks:Foundations, Frontiers, Applications &基于 node2vec 的电影推荐实验
近几年来,基于计算资源的快速发展以及大量训练数据的可获得性等原因,引发了神经网络的快速兴起与应用,并成功地推动了计算机视觉领域(Computer Vision, CV)与自然语言处理领域(Natural Language Processing, NLP)的发展与兴盛。原创 2023-08-29 12:40:25 · 505 阅读 · 0 评论 -
论文阅读8-----Mining Summaries for Knowledge Graph Search
在响应时间等资源约束条件下,挖掘,搜索异构和大型知识图具有挑战性。 本文研究了一种基于发现的知识图搜索框架。原创 2023-07-31 16:58:56 · 172 阅读 · 1 评论