B.图游走模型/图学习之图游走类deepwalk、node2vec模型[系列四]

已于 2023-04-07 18:12:15 修改
阅读量827 收藏 1
点赞数
分类专栏： 图学习图神经网络算法原理+项目+代码实现+比赛 文章标签： 图学习 图计算 图神经网络 deepwalk node2vec
于 2022-11-13 23:22:48 首次发布
涉及博主原创类文章，未经博主许可不允许转载
本文链接：https://blog.csdn.net/sinat_39620217/article/details/127839542
版权
本文介绍了图学习中的图游走类算法，包括DeepWalk和node2vec。DeepWalk通过随机游走策略获取节点序列，然后使用skip-gram模型进行节点嵌入。node2vec则在DeepWalk基础上增加了对随机游走权重的控制，通过调整返回参数p和进出参数q来平衡网络的同质性和结构性。文章详细讲解了这两个模型的原理、实现过程和在PGL中的应用，同时提供了相关数据集和结果展示。
摘要由CSDN通过智能技术生成

在这里插入图片描述
图学习图神经网络算法专栏简介：主要实现图游走模型(DeepWalk、node2vec)；图神经网络算法(GCN、GAT、GraphSage)，部分进阶 GNN 模型（UniMP标签传播、ERNIESage）模型算法等，完成项目实战

在这里插入图片描述
专栏链接：图学习图神经网络算法专栏简介：含图算法（图游走模型、图神经网络算法等）原理+项目+代码实现+比赛

前人栽树后人乘凉，本专栏提供资料：快速掌握图游走模型(DeepWalk、node2vec)；图神经网络算法(GCN、GAT、GraphSage)，部分进阶 GNN 模型（UniMP标签传播、ERNIESageÿ

了解本专栏 订阅专栏 解锁全文
汀、人工智能
关注
专栏目录
订阅专栏
图网络笔记-知识补充与node2vec代码注解
SimonChen
11-25 601
主要引入基本的同构图、异构图知识以及基本概念；同时对deepWalk代码的注解以及node2vec、word2vec的说明总结；（以及作业代码注解） 一、图基础及分类 1.1 什么是图？ 用一张图表示(图来源:PGL课程预习前置1) 简单来说：图就是通过一些具有实际意义的节点和代表节点间关系的边组成的一个网状或非网状的结构。 1.2 图具有的信息/属性 ①图具有以下基本的属性：           &n.
B.图算法：图游走模型/图学习之图游走类metapath2vec模型[系列五]
丨汀、的博客
11-15 446
PGL图学习之图游走类metapath2vec模型[系列五] 有疑问查看原项目相关项目参考：关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] https://aistudio.baidu.com/aistudio/projectdetail/4982973?contributionType=1图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：https://a
Paddle Graph Learning (PGL)图学习之图游走类deepwalk、node2vec模型[系列四]
2401_85373396的博客
06-07 1352
在开始介绍图游走算法之前，先来学习一下什么是Graph Embedding。图嵌入是一种将图数据（通常为高维稠密的矩阵）映射为低微稠密向量的过程，如下图所示。图嵌入需要捕捉到图的拓扑结构，顶点与顶点的关系，以及其他的信息 （如子图，连边等）。如果有更多的信息被表示出来，那么下游的任务将会获得更好的表现。向量空间中保持连接的节点彼此靠近。节点嵌入和图嵌入。当需要对节点进行分类，节点相似度预测，节点分布可视化时一般采用节点的嵌入；
探索图神经网络的新境界：PGL——来自PaddlePaddle的高效图学习库
gitblog_00066的博客
04-25 604
探索图神经网络的新境界：PGL——来自PaddlePaddle的高效图学习库 项目地址:https://gitcode.com/gh_mirrors/pg/PGL 项目简介 （Paddle Graph Learning）是由百度开源的PaddlePaddle深度学习框架下的一个专门用于图神经网络（Graph Neural Networks, GNNs）的高性能库。这个项目旨在为研究人员和开发人员提...
Paddle Graph Learning (PGL): 高效易用的图学习框架
最新发布
gitblog_00937的博客
08-07 837
Paddle Graph Learning (PGL): 高效易用的图学习框架 PGLPaddle Graph Learning (PGL) is an efficient and flexible graph learning framework based on PaddlePaddle项目地址:https://gitcode.com/gh_mirrors/pg/PGL 项目介绍 Paddl...
01图论基础
Edward_Legend的博客
11-17 1785
什么是图 图的基本示意图 图是描述复杂事务的数据表示形式，由节点和边组成，数学上一般表述为 图G-（V，E）。其中的V（vertical）代表节点，可被理解为事物。 而E（edge）代表边，描述的是两个事物之间的关系。例如一个图的社交网络图，每个人都可视为节点，而人与人之间的关系可被视为边。 而在我们的推荐系统中，用户与物品之间的交互关系，用户与用户自身的关系，物品与物品之间的关系，完全可由一张图完整的进行描述。如下图所示： 用户与物品之间的关系图 无向图与有向图 无向图 有向图 双向图 无向图是由没有方
推荐系统二 之图算法：DeepWalk&Node2vec
phyllisyuell的博客
02-23 2177
写在前面 1、Deepwalk 和 Node2vec 这些图算法的本质就是特征提取器，对graph进行采样（Sampling），对采样出来的序列构造模型（embedding）,最终把节点转化为特征向量，即为embedding。 2、图算法的优势 graph是对复杂的连接关系建模，通过用户行为序列，能够更好地学的items的高阶相似关系。 同时，在构建数据集的过程中，能够让长尾商品获得更多的训练，弥补数据稀疏的问题，有效提升覆盖率。 一、Deepwalk 1、来源：出自14年KDD：《DeepWa
A.图学习DeepWalk、word2vec、node2vec【参考资料2】-知识补充与node2vec代码注解
丨汀、的博客
11-12 335
图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）：https://aistudio.baidu.com/aistudio/projectdetail/4990947?关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一] https://aistudio.baidu.com/aistudio/projectdetail/4982973?NOTE：在得到节点路径后，node2vec会使用SkipGram模型学习节点表示，给定中心节点，预测局部路径中还有哪些节点。
Deep Walk 和 Node2Vec：图嵌入
gongdiwudu的专栏
08-07 5682
DeepWalk 是一种基于图的机器学习算法，可为给定图生成节点嵌入。它由纽约大学的 Bryan Perozzi、Rami Al-Rfou 和 Steven Skiena 于 2014 年开发。 该算法的目标是通过分析图中每个节点的局部邻域来学习图中每个节点的表示。 DeepWalk应用了skip-gram的概念（也用于自然语言处理）来为每个节点生成向量嵌入。这个想法是将图上的随机游走视为句子，并将每个节点视为句子中的一个单词。
B.图学习初探Paddle Graph Learning 构建属于自己的图【系列三】
丨汀、的博客
11-11 466
Paddle Graph Learning (PGL)是一个基于PaddlePaddle的高效易用的图学习框架易用性：建图方便高效性：运行速度快大规模：支持十亿节点百亿边丰富性：预置了主流的图学习算法在最新发布的PGL中引入了异构图的支持，新增MetaPath采样支持异构图表示学习，新增异构图Message Passing机制支持基于消息传递的异构图算法，利用新增的异构图接口，能轻松搭建前沿的异构图学习算法。
从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型（人工智能神经网络模型看这篇就够了）
iFlyAI的博客
10-12 1110
摘要:最早的GNN主要解决的还是如分子结构分类等严格意义上的图论问题。但实际上欧式空间(比如像图像 Image)或者是序列(比如像文本 Text)，许多常见场景也都可以转换成图(Graph)，然后就能使用图神经网络技术来建模。2009 ... 人工智能学习离不开实践的验证，推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例，支持算法能力变现以及快速的迭代算法模型...
图机器学习（Graph Machine Learning）- 第三章 无监督图学习3 （Unsupervised Graph Learning）- 图神经网络
zj15001的博客
04-14 5964
第三章 无监督图学习3 - 图神经网络 Graph neural networks 文章目录第三章 无监督图学习3 - 图神经网络 Graph neural networks前言3.4 图神经网络 Graph neural networks3.4.1 GNNs的其他形式3.4.2 谱卷积 Spectral graph convolution3.4.3 空间图卷积 Spectral graph convolution3.4.4 图卷积实战总结 前言 Graph neural network，GNN 是处理
A.关于图计算&图学习的基础知识概览：前置知识点学习（Paddle Graph L）【一】
丨汀、的博客
11-08 1007
因为篇幅关系就只放了部分程序在第三章，如有需求可自行fork项目原始链接。欢迎fork本项目原始链接：关于图计算&图学习的基础知识概览：前置知识点学习（Paddle Graph L）因为之前一直在研究知识提取相关算法，后续为了构建小型领域知识图谱，会用到知识融合、知识推理等技术，现在开始学习研究图计算相关。
提速13倍！百度飞桨发布图学习框架PGL
PaddlePaddle
11-22 966
近日，在「WAVE Summit+」2019 深度学习开发者秋季峰会上，百度对外发布基于飞桨的图学习框架Paddle Graph Learning (PGL)。近几年来，...
[万字综述] 21年最新最全Graph Learning算法，建议收藏慢慢看
weixin_45519842的博客
05-14 1839
今天小编给大家带来了一篇极全的2021最新图学习算法综述。该综述不仅囊括了目前热门的基于深度学习的图学习方法，还全面介绍了其它三个大类：基于图信号处理的方法、基于矩阵分解的方法、基于随机游...
【飞桨PaddlePaddle】图神经网络7日打卡营心得
weixin_43848117的博客
11-28 205
PGL介绍 Paddle Graph Learning (PGL)是一个基于PaddlePaddle的高效易用的图学习框架。 为什么学习这门课 一直都在想学习图升级网络的相关知识，刚好遇到百度飞桨开了这么课，可以带我快速入门代码与理论知识，一举两得。实名制的幸运，百度这方面真心不错呀。 关于图神经网络 图神经网络（Graph Neural Networks，GNN），其主要可以分为五大类别分别是：图卷积网络（Graph Convolution Networks，GCN）、 图注意力网络（Graph Atte
2021-4-21 paddle入门+PGL 入门deepwalk代码复现
sev7777777的博客
04-21 1606
目录 安装Paddle+pgl deepwalk流程解析 代码解析 安装Paddle+pgl Paddle： Ubuntu18.04 + cuda10.1安装命令：python -m pip install paddlepaddle-gpu==2.0.2.post101 -f https://paddlepaddle.org.cn/whl/mkl/stable.html 官网地址：https://www.paddlepaddle.org.cn/install/quick?doc...
DL之paddlepaddle：百度深度学习框架paddlepaddle飞桨的简介、安装、使用方法之详细攻略
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
11-05 1万+
Dataset：机器学习和深度学习中对数据集进行高级绘图(数据集可视化，箱线图等)的简介、应用之详细攻略——daidingdaiding 目录 箱线图 箱线图 箱线图(box plots)：这些图显示了一个小长方形，有一个红线穿过它。红线代表此列数据的中位数（第50 百分位数），长方形的顶和底分别表示第25 百分位数和第75 百分位数（或者...
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

打赏作者

汀、人工智能

十分感谢您的支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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