Deep Hyperedges(2019): a Framework for Transductive and Inductive Learning on Hypergraphs笔记

weixin_40248634

于 2020-06-09 16:40:37 发布

阅读量305

点赞数

分类专栏：超图神经网络文章标签：深度学习机器学习

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/weixin_40248634/article/details/106645184

版权

超图神经网络专栏收录该内容

5 篇文章 8 订阅

订阅专栏

Deep Hyperedges: a Framework for Transductive and Inductive Learning on Hypergraphs

动机
方法
结果

动机

如今的hypergraph深度网络框架还没有使用节点和超边同时进行超图的学习，所以本文提出的 Deep Hyperedges (DHE)，使用图的上下文信息，并且与节点排序无关，用于分类与回归的直推学习和归纳学习。我们使用一个新的随机游走过程，并证明我们的模型实现了最好的结果。

方法

本文从随机游走的角度进行研究，通过对节点和边的分别处理，得到了超边和节点的嵌入表示，最后将两个嵌入融合起来进行预测。具体过程得自己看文章
在这里插入图片描述

结果

在这里插入图片描述

weixin_40248634

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Deep Hyperedges(2019): a Framework for Transductive and Inductive Learning on Hypergraphs笔记

Deep Hyperedges: a Framework for Transductive and Inductive Learning on Hypergraphs动机方法结果动机如今的hypergraph深度网络框架还没有使用节点和超边同时进行超图的学习，所以本文提出的 Deep Hyperedges (DHE)，使用图的上下文信息，并且与节点排序无关，用于分类与回归的直推学习和归纳学习。我们使用一个新的随机游走过程，并证明我们的模型实现了最好的结果。方法本文从随机游走的角度进行研究，通过对节点
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。