斯坦福 CS224W - 笔记 03

最新推荐文章于 2024-09-07 10:24:17 发布
最新推荐文章于 2024-09-07 10:24:17 发布
阅读量347 收藏
点赞数
分类专栏： GNN 文章标签： 机器学习 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_40896008/article/details/129245225
版权

斯坦福 CS224W - 笔记 03

半监督节点分类：标签传播和消息传递


1. 基本概念

  • 半监督节点分类：部分有标签，部分无标签，由已知类别节点预测未知标签节点
    在这里插入图片描述

  • 直推式学习：预测前后没有新节点加入（标签传播）

  • 归纳式学习：训练后需要处理新节点，让模型泛化到新节点（GAT、GraphSage）

  • 例如：在社交网络中，自己的类别既取决于自己，也取决于周围人的看法
    在这里插入图片描述

  • 应用：词性标注、OCR、实体统一

  • 标签传播方法（直推式）通过消息传递机制，用周围人的标签预测自身标签，不需要将节点变成向量，因此不是图嵌入，也不是表示学习，而是近朱者赤近墨者黑，物以类聚人以群分

  • Homophily：具有相似属性特征的节点更可能相连且具

最低0.47元/天 解锁文章
N6008
关注
专栏目录
图神经网络（CS224w）学习笔记3 Node Embeddings
woshuaizuishuai的博客
04-02 1940
本章讲了如何使用节点嵌入：聚类、社区发现，节点分类，链接预测（通过concatenate、哈达玛积、取平均、求和、计算距离来得到链接嵌入），图分类（聚合节点嵌入或使用匿名随机游走获得图嵌入）
cs224w-notes:CS224W课程笔记
05-09
cs224w-notes CS224W课程笔记。 贡献 这些注释使用Markdown编写，并使用Jekyll编译为HTML。 请直接将您的更改添加到Markdown源代码中。 此仓库未配置任何额外的Jekyll插件，因此可以直接由GitHub Pages进行编译。 因此，对Markdown文件的任何更改都将自动反映在实时网站中。 要对此仓库进行任何更改，请先分叉此仓库。 进行所需的更改，然后将其推送到此存储库的自己的分叉副本中。 最后，返回GitHub网站以创建请求请求，以将您的更改带入snap-stanford/cs224w-notes回购中。 如果要在将更改推送到master分支之前在本地测试更改，则可以在自己的计算机上本地运行Jekyll。 为了安装Jekyll，您可以按照其网站（ ）上发布的说明进行操作。 然后，从此仓库的克隆版本的根目录执行以下操作： 对Markdown
CS224W学习笔记
qq_43228030的博客
02-14 296
无
CS224W 课程笔记项目使用教程
最新发布
gitblog_00556的博客
09-07 467
CS224W 课程笔记项目使用教程 项目地址:https://gitcode.com/gh_mirrors/cs/cs224w-notes 1. 项目的目录结构及介绍 cs224w-notes/ ├── _config.yml ├── _includes/ ├── _layouts/ ├── _posts/ ├── _sass/ ├── assets/ │ ├── css/ │ ├── f...
CS224W课程学习笔记（一）：课程介绍与图深度学习概念
submarineas的博客
02-13 944
我们从怎么利用图形或网络表示数据这一动机开始。网络成为了用于描述复杂系统中交互实体的通用语言。从图片上讲，与其认为我们的数据集由一组孤立的数据点组成，不如考虑这些点之间的相互作用和关系。在不同种类的网络之间进行哲学上的区分是有启发性的。对网络的一种解释是作为现实生活中出现的现象的例子。我们称这些网络为 。比如：网络的另一种解释是作为一种可用于解决特定预测问题的数据结构。在这种情况下，我们对实体之间的关系更为感兴趣，因此我们可以有效地执行学习任务。我们称这些网络为 ，比如：在本课程中，我们主要考虑和学习
cs224w笔记（p1-p4）
m0_51118873的博客
07-18 682
图元是小的、固定的图结构，通常由少量的节点和边组成，它们在较大的图中频繁出现。它基于这样一个理念：一个节点的重要性不仅取决于它直接连接的节点数量，还取决于它所连接的节点的重要性。个人理解：首先有G图抽取出来的图元有以上3个，其次在这3个图元中不出现同构的位置有a，b，c，d，，然后将abcd依次放入v位置得出的具有不重复的表示有a->2种,b->1种,c->0种,d->2种。白话：如果一个节点到其余各点的最短的路径和是最短的，那么他是最重要的。白话：描述的是一个节点于周围节点之间的连接程度。
斯坦福CS224 NLP课程-课件lecture01/cs224n-2017-lecture1
03-01
斯坦福CS224 NLP课程-课件lecture01 深度学习与NLP专栏地址：https://blog.csdn.net/qq_34243930/column/info/31958 深度学习与NLP绪论视频课： https://m.weike.fm/lecture/10194068 笔记：...
斯坦福 CS224N 自然语言处理中文讲义
01-25
斯坦福大学的CS224N课程专门探讨了在深度学习框架下处理自然语言的方法。 1. 人类语言和机器学习 人类语言的习得是通过丰富的多模态体验和互动，以及高效的大脑计算完成的。相比之下，机器学习在自然语言处理中的...
斯坦福CS224n_自然语言处理与深度学习_笔记
07-15
通过阅读《斯坦福CS224n_自然语言处理与深度学习_笔记_hankcs.pdf》，你可以深入理解这些主题，掌握NLP的深度学习方法，并能够应用于实际项目中，提升自然语言处理的技能。这份笔记详尽地概述了课程内容，是学习这一...
斯坦福CS224n_自然语言处理与深度学习 笔记
09-28
《斯坦福CS224n：自然语言处理与深度学习》是斯坦福大学开设的一门高级计算机科学课程，专注于自然语言处理（NLP）领域的深度学习技术。这门课程涵盖了广泛的NLP主题，从基础的文本预处理到复杂的深度学习模型，如...
【学习笔记】CS224W速记（图模型专题）
热门推荐
一只热爱奔跑的程序猿
06-08 1万+
品荼苦而故作乐
cs224w笔记：slide1---Introduction
麦地与诗人
02-27 245
Why networks/graphs? 网络是描述相互作用实体的复杂系统的通用语言。 Two types of networks/graphs Networks (also known as Natural Graphs) 社会（Society ）是70多亿人的集合； 通信系统（Communication systems）连接了各种电子设备； 基因/蛋白质（ genes/proteins）之间...
CS224W笔记-第一课
infovisthinker的专栏
02-19 769
第一课：课程介绍和基本概念 CS224的课程题目在2019学年改成了《图的机器学习》，老师也换了。第一节课对整个课程进行了介绍。主要内容包括3个部分： 什么是图（Graph）及研究的内容。 课程的安排和后勤。 核心概念和名词属于 什么是图及研究的内容 2019年的课程内容做了比较大的修改，从原来的主要是做图分析，改成偏重于进行基于图的预测，所以课程名称也改为《图机器学习》。 课程主要的内容是研...
【图神经网络】——“斯坦福CS224W”课程笔记（一）
qq_41614419的博客
02-04 1238
图基础 图可以看作实体及其关系的组成 实体：又称结点，N 关系：又称边，E 系统：又称网络或图，G ( N , E ) 网络通常表示真实系统，图是网络的一种数学表示。实际上很多情况我们并不区分这两个概念。 在解决不同问题的时候，选择最适合的、正确的网络表示。 如何来定义一个图 无向图。例如社交软件中的好友，双向关系； 有向图。例如github中Follower，是单向关系。 度。无向图中只包含度的概念，即和某个node相连的边的个数；有向图中包含出度和入度的概念，出度就是从这个结点出发指向其他结点边的个数
CS224W课程学习笔记（二）：网络图的特征说明和指标实战
submarineas的博客
02-16 909
在第二三节课中，主要研究的是四个关键网络属性以表征图形：**度分布，路径长度，聚类系数和连接组件** 。 这些定义主要是针对无向图的，而由于上一节中已经介绍了度分布，以及相应公式和例题，关于路径长度，简单来讲就是一个图中所需占比最短的一条或者多条路径，该路径并不唯一，讲深点，就得从过程遍历来看列举的四种算法了，每种都有每种的优劣，这里也不再详述，主要根据课程助教写的笔记，针对后两个重新复习。
图神经网络（CS224w）学习笔记1 Introduction：Machine Learning for Graphs
woshuaizuishuai的博客
03-29 1362
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、为什么要选择图进行机器学习？（起源）1.现代深度学习工具的不足二、图神经网络定义1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 本章主要介绍了图神经网络的起源、定义、应用与总结。 课程建议先修知识点： 1.机器学习、2.算法与图论、3.概率论与数理统计 一、为什么要选择图进行机器学习？（起源） 图是用于描述并分析有关联/互动的实体的一种普适语言。它不将实体视为一系列孤立的点，而认为其互相之间.
cs224w 图神经网络 学习笔记（二）Properties of Networks and Random Graph Models
喵木木的博客
05-17 2640
课程链接：CS224W: Machine Learning with Graphs 课程视频：【课程】斯坦福 CS224W: 图机器学习 (2019 秋 | 英字) 目录1. How to measure a Network?——网络的属性 1. How to measure a Network?——网络的属性
[学习笔记]CS224W(图机器学习) 2022/2023年冬学习笔记
zhangyifeng_1995的博客
09-06 1807
介绍的结构特征可以分为：节点的度不同节点的重要度度量可用于预测有影响力的节点节点的度聚类系数GDV可用于预测节点在图中的功能，桥接、枢纽、中心。
【图神经网络】——“斯坦福CS224W”课程笔记（二）
qq_41614419的博客
02-15 1045
本文是我在学习斯坦福大学2019年秋季课程 “图机器学习”（图神经网络） 时所记录的笔记。课程资源如下列出，其中slides都可在官网找到；另斯坦福CS224w课程的学生记录了部分笔记在github上开源，可以作为学习参考。 官网：http://snap.stanford.edu/class/cs224w-2019/ 课程视频：http://snap.stanford.edu/class/cs224w-videos-2019/ 课程笔记（英文）：https://snap-stanford.github.i
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
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