Graph
CaoChengtai
这个作者很懒,什么都没留下…
展开
-
Graph Neural Networks (GNN)(五):Graph Embedding (DeepWalk, Line, Node2Vec)
1. 概述本系列之前文章主要介绍了基于空间(Spatial)和图谱(Spectral)理论的图神经网络(GNN)Graph Neural Networks (GNN)(一):Spatial-GNNGraph Neural Networks (GNN)(二):Spectral-GNN 引言和导入Graph Neural Networks (GNN)(三):Spectral-GNN 之 GCNGraph Neural Networks (GNN)(四):Spectral-GNN 与 Spatial-G原创 2020-07-03 13:15:25 · 2251 阅读 · 1 评论 -
Graph Neural Networks (GNN)(四):Spectral-GNN 与 Spatial-GNN 对比
概述前三篇详细介绍了 Spatial-GNN 和 Spectral-GNN 的内容,这一篇博客简单的对比一下。Graph Neural Networks (GNN)(一):Spatial-GNNGraph Neural Networks (GNN)(二):Spectral-GNN 引言和导入Graph Neural Networks (GNN)(三):Spectral-GNN 之 GCN总结其实两者是殊途同归的,所有的 GNN 都可以看成一个热传导模型/信息扩散模型。不管是 Spectral-G原创 2020-06-30 11:17:09 · 3177 阅读 · 2 评论 -
Graph Neural Networks (GNN)(三):Spectral-GNN 之 GCN
1. 概述前面讲了 Spectral-GNN Graph Neural Networks (GNN)(二):Spectral-GNN 引言和导入 的引言和导入。这一篇主要介绍这一类最经典的一条模型主线:GCN。参考链接:如何理解 Graph Convolutional Network(GCN)?-- Johnny Richards 的回答如何理解 Graph Convolutional Network(GCN)?-- superbrother 的回答2. 离散卷积了解 GCN 之前必须对离散卷转载 2020-06-29 12:57:29 · 1799 阅读 · 0 评论 -
Graph Neural Networks (GNN)(二):Spectral-GNN 引言和导入
1. 概述前面讲了 Spatial-GNNGraph Neural Networks (GNN)(一):Spatial - GNN 的基本原理和一些典型的实现。这一篇主要介绍一下另外一大类:Spectral-GNN。这一类一开始理解起来会比较抽象,因为涉及太多数学、信号处理等方面的内容,我一开始也陷入了这些困境里面。但是通过阅读了几位大牛的知乎或者博客之后,发现其实本质和 Spatial-GNN 是差不多的,只是理解的角度和出发点有些差异。参考链接:如何理解 Graph Convolutional N转载 2020-06-12 11:08:47 · 1840 阅读 · 1 评论 -
Graph Neural Networks (GNN)(一):Spatial-GNN
1. 想法CNN 中的卷积核(e.g., 3 * 3)算某一个像素点的 feature 的时候,可以看成把这个像素点周围的像素点的特征按照一定的权重加权求和。卷积操作类似于内积,即把卷积核里的每个权重和对应像素点值相乘,最后相加,得到的结果就是这个点的新的特征。Spatial-GNN 想要把这种卷积操作直接推广到 Graph 上。2. 做法将某个节点周围的领域节点特征收集起来,进行某一种操作,然后更新这个节点的特征。图片来源:李宏毅老师 2020 课程:上面我觉得直接把 i 看成 0 来理解原创 2020-06-05 11:18:42 · 3514 阅读 · 1 评论