GNN-静态表征-随机游走-2016：Node2vec【 步骤：①有偏随机游走策略生成每个节点的训练序列（DFS&BFS），得到训练数据集；②套用Word2vec算法得到节点表示】【浅层模型、同质图】

已于 2024-02-14 13:26:00 修改
阅读量638 收藏 4
点赞数
分类专栏： 图神经网络 文章标签： 神经网络 自然语言处理 Node2vec 图神经网络
于 2021-08-15 10:40:01 首次发布
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/u013250861/article/details/119710672
版权

在这里插入图片描述
在这里插入图片描述

一、概述

1、数据集

snap： Stanford Large Network Dataset Collection

  • snap数据集是Jure等人不间断收集的网络数据集，极大地推动社交网络领域的发展
  • 研究涵盖：
    • 节点分类(node classification)；
    • 边预测(link prediction)；
    • 社群检测(community detection)；
    • 网 络 营 销 (viral marketing )；
    • 网络相似度(network similarity)

2、摘要核心

了解本专栏 订阅专栏 解锁全文 超级会员免费看
u013250861
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
订阅专栏
图神经网络(GNN)：同质图模型【GCN/GraphSAGE/GAT...】、异质图模型【HAN/HetGNN...】
u013250861的博客
12-18 3145
目前的图神经网络主要针对同质图（节点类型和边类型单一）设计. - 同质图中只有一种类型的节点和边(例如,只有朋友关系的社交网络),网络结构较为简单.因此,同质图神经网络通常只需要聚合单一类型的邻居来更新节点的表示即可(例如,通过在朋友关系下的邻居来更新节点表示). - 但真实世界中的图大部分都可以被自然地建模为异质图(多种类型的节点和边,如下图所示,IMDB数据中包含三种类型的节点Actor、Movie和Director，两种类型的边Actor-Moive和Movie-Director). 多种类型的节点
【GNN】魏哲巍-图神经网络的理论基础报告
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
12-09 587
目录 1、简介 2、内容 一、图的基本定义 二、GNN的模型表述 三、图神经网络的两个视角 1、滤波器(GNN的频域解释) 2、随机游走(GNN的空域解释) 3、参考 1、简介 写作目的：记录一下看Talk的笔记，之前写过图神经网络谱方法和空间方法定义卷积的文章，这里换一个角度，听一下另外一个老师的讲解，再梳理一下图的相关概念，希望脑中的条理更加清晰并且有更多的收获。 2、内容 一、图的基本定义 这里讨论的是无向图。 P 为归一化邻接矩阵，可以看到它是一个是对称的
【Graph Embedding】Node2Vec：一种有偏的随机游走
阿泽的学习笔记
05-20 2763
1. Introduction 我们今天看的论文是斯坦福大学的同学 2016 年发表于的 ACM 的论文——《node2vec: Scalable Feature Learning for Networks》，到目前为止已经被引用 2600 多次。 在这篇论文中作者提出了一个半监督学习算法——Node2Vec，采用了有偏的随机游走算法并结合 Skip-gram 算法学习 Network Embed...
【图神经网络基础】认识数据集--同质图和异质图的区别
最新发布
BetrayFree的博客
05-21 1245
同质图是指图中的所有节点和边都是同一种类型，结构和属性相对统一，适用于简单而统一的图神经网络模型。而异质图包含多种类型的节点和边，结构复杂，需要针对不同类型的节点和边设计专门的模型和方法，以充分利用异质信息进行特征提取和关系建模。
论文导读 | 使用有偏随机游走进行带约束的局部图聚类
weixin_48167662的博客
04-20 966
编者按： 原文《Constrained Local Graph Clustering by Colored Random Walk》发表于WWW 2019，提出了一个新问题：带约束的局部图聚类（Constrained Local Graph Clustering），即种子结点（seed nodes）带有预先标定的聚类标签的图聚类问题；并给出一种基于有偏的随机游走（文章中称为Colored Random Walk）的算法解决此问题。 论文地址： https://dl.acm.org/doi.
GNN笔记： random walk
qq_40206371的博客
06-21 3284
1 随机游走定义 所谓随机游走(random walk)，就是在网络上不断重复地随机选择游走路径，最终形成一条贯穿网络的路径。 从一个顶点出发，然后按照一定的概率随机移动到一个邻居节点，并将该节点作为新的当前节点，如此循环执行若干步，得到一条游走路径。 下图所示绿色部分即为一条随机游走。 2使用随机游走的好处 2.1并行化 随机游走是局部的，对于一个大的网络来说，可以同时在不同的顶点开始进行一定长度的随机游走，多个随机游走同时进行，可以减少采样的时间。 2.2 局部适应性 可以适..
Graph Embedding
weixin_45847320的博客
08-08 749
表示节点u和节点v在k阶邻居下的距离khop邻居表示k跳邻居。S(s):集合S中每个元素的度的有序序列。
GNN-RL-Model-Compression:GNN-RL压缩
04-12
GNN-RL-模型压缩GNN-RL压缩：使用多阶段图嵌入和强化学习的拓扑感知网络修剪依存关系当前代码库是在以下环境下测试的： Python 3.8 PyTorch 1.8.0（CUDA 11.1） 火炬视觉0.7.0 1.6.1GNN-RL频道修剪在这项工作中，...
L2P-GNN:AAAI-2021论文“学习预训练图神经网络”的代码和数据集
05-08
学习预训练图神经网络 该存储库是AAAI-2021论文《的正式实施 要求 要安装要求： pip install -r requirements.txt ...要在带有GIN模型的生物学数据集上对L2P-GNN进行预训练，请运行以下命令： python
GPT-GNN:KDD'20“图形神经网络的生成式预训练”的代码
04-01
在每个example_*包，还有一个pretrain_*.py训练前一个GNN给定的图形文件，并且还多finetune_*.py培训文件和验证对下游任务。 数据集 对于开放式学术图（OAG） ，我们提供了一个异构图，其中包含从1900年至2020年的...
gnn-re-ranking:一种基于GNN的实时方法。 了解图像检索重新排列
05-07
了解图像检索的重新排名：图神经网络的角度 在Market-1501数据集上，我们使用一个K40m GPU将重新排名处理从89.2s加速到9.4ms ，从而促进了实时后处理。 同样，我们观察到，在有限的时间成本下，我们的方法在其他四个...
Achronix - 机器学习实战：GNN（图神经网络）加速器的FPGA解决方案
01-20
. 概述　得益于大数据的兴起以及算力的快速提升，机器学习技术在近年取得了革命性的发展。在图像分类、语音识别、自然语言处理等机器学习任务中，数据为大小维度确定且排列有序的欧氏...　GNN对算力和存储器的要求非常
同质图，异质图，二部图，多元图，graphlets等常见图的类型
qq_45770988的博客
09-23 666
传统的图数据分析通常采用监督学习的框架,即 通过人为特征提取或端到端图深度学习模型将图数据作为输入,经过训练后挖掘图数据中的有效信息, 输出预测结果。虽然这类图监督学习方法在很多任务上取得了显著成功,但仍面临着以下问题:①依赖大量的人工标注数据;②由于过拟合导致泛化能 力差以及面向标签相关的攻击时模型鲁棒性差。为了解决上述问题,不依赖于人工标注的自监 督学习正在成为图深度学习的趋势,其中,对比学习是一类重要的自监督学习方法.
GNN从入门到精通 -- Graph Embedding (2)
qq_44919414的博客
04-08 1175
1.什么是图嵌入 将图中的每个节点映射为一个低维的向量表示，映射后的向量应尽可能多的保留原图中节点的关键信息，以便更好地进行下游任务。 2.哪些信息需要被保留？ 不同的图嵌入算法信息保留的侧重点也不一样，根据不同的下游任务，原图中需要保留的信息重要性程度也不一样（例如节点的邻域信息，结构角色，社区信息等）。 3.如何保留关键信息？ 大多数技术共同思想就是，利用嵌入域中的节点表示，重构出要保留的图域信息（因为良好的节点表示应该能够重构出希望保留的关键信息），所以整个节点嵌入的学习过程就是，最小化重构
图神经网络（GNN）
qq_45856698的博客
03-13 3396
近年来，图神经网络（GNN）领域取得了快速和难以置信的进展，图神经网络又被称为图深度学习、图表示学习，已经成为机器学习特别是深度学习领域发展最快的研究课题之一。
同质图，异质图以及属性图
热门推荐
风行
09-02 1万+
概念区别 同构图 同构图指的是图中的节点类型和关系类型都仅有一种。 异构图 指的是图中的节点类型或关系类型多于一种。 属性图 在异构图基础上增加了额外的属性信息。 对于节点类型和关系类型的理解 比如我今天看了电影《流浪地球》，那“我”作为观众和电影《流浪地球》之间就建立了“看了”这一关系。异构图可以用来描述这种交互关系的集合。这个图分“观众”和“电影”两类节点，以及“看了”这一类边。“我”作为观众，和电影所具有的属性一定是不同的，需要用不同的模型或者不同的特征维度来表达。这张图就天然具有了异构性。 再比
听说GNN大有可为,从这篇开始学以致用
fengdu78的博客
07-12 313
作者：十方说到GNN,各位炼丹师会想到哪些算法呢?不管想到哪些算法,我们真正用到过哪些呢?确实我们可能都看过GNN相关论文,但是还是缺乏实战经验的.特别是对于推荐系统而言,我们又该如何应用...
Graph Embedding：随机游走+word2vec
qq_39778575的博客
10-07 1338
概述： DeepWalk是一种将图节点表示为低维稠密向量的方法，他的原理就是将Random Walk和word2vec相结合的方式，即采用截断随机游走产生固定window的数据，然后应用带skip-gram model中，从而生成低维向量表示。 它有几个显著的特点： 1、可以处理稀疏的图数据，即使标签很少，他也可以使数据显示很好的分类效果 2、并行性：随机游走是随机的，可以在不同顶点进行一定长度的随机游走，多个游走同时进行，可以减少采样时间。 3、适应...
gnn-objdump -v bash: gnn-objdump: command not found
06-01
安装完成后，你可以再次运行 `gnn-objdump -v` 命令来查看版本号。如果你使用的是其他 Linux 发行版，可以使用相应的包管理器来安装 GNN binutils。如果没有现成的包可用，你可以从 GNN 官方网站下载源代码并手动...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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