![](https://img-blog.csdnimg.cn/20190927151117521.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Network Embedding文章
文章平均质量分 64
解析图表示学习的文章
Struggle~
菜鸡博士一枚
展开
-
Node Similarity Preserving Graph Convolutional Networks(一种保持节点相似度的图卷积网络)
转载:公众号:AI in Graph原创 2021-10-01 19:54:15 · 557 阅读 · 0 评论 -
文献阅读总结:网络表征学习、网络表示嵌入方向的论文
本文是对生物网络方向的已读文献的归纳总结,长期更新欢迎做生物信息学、计算生物学、复杂网络计算、图表示学习的同学联系加群讨论,互帮互助,需要文献的请联系论文1:Graph attention networks (GAT)论文解析论文2:Graph Representation Learning via Hard and Channel-Wise Attention Networks论文解析论文3:AM-GCN: Adaptive Multi-channel Graph Convolutional原创 2021-04-08 09:46:54 · 372 阅读 · 0 评论 -
Graph Transformer Networks(图Transformer网络)
Graph Transformer Networks与2019年发表在NeurIPS上文章目录摘要一、Introduction二、Related Works三、Method3.1准备工作3.2 Meta-Path Generation3.3 Graph Transformer NetworksConclusion个人总结摘要图神经网络(GNNs)已被广泛应用于图形的表示学习,并在节点分类和链路预测等任务中取得了最先进的性能。然而,大多数现有的神经网络被设计来学习固定和同构图上的节点表示。当学习由各原创 2021-03-25 13:38:45 · 10887 阅读 · 1 评论 -
GraphSAD:learning graph representations with structure-attribute disentanglement(使用结构-属性解缠的方法学习图表示)
文章目录摘要一、Introduction二、问题的定义和初步2.1 问题定义2.1 初步三、使用结构-属性解缠学习图表示3.1 INPUT-SAD:输入的结构-属性解纠缠3.2 embedded - SAD:嵌入式的结构-属性解缠3.3 SAD-METRIC:结构-属性解缠度量3.4理论分析总结摘要图神经网络(GNNs)通过聚合邻近节点的属性来学习有效的节点/图表示,这些邻近节点通常派生出一个混合了图结构和节点属性信息的单一表示。然而,这两种信息在语义上可能不一致,并且可能对不同的任务有用。在本文中,原创 2021-03-15 13:39:06 · 778 阅读 · 0 评论 -
AM-GCN: Adaptive Multi-channel Graph Convolutional Networks(论文解析)
AM-GCN: Adaptive Multi-channel Graph Convolutional Networks(论文解析,这是今年发表在ACM SIGKDD上的一篇文章)文章目录摘要一、Introduction二、GCNS的融合能力:实验研究2.1 Case 1: Random Topology and Correlated Node Features2.2 Case 2: Correlated Topology and Random Node Features三、 AM-GCN: THE P.原创 2020-12-06 16:38:39 · 2657 阅读 · 0 评论 -
Graph Representation Learning via Hard and Channel-Wise Attention Networks论文解析
论文:Graph Representation Learning via Hard and Channel-Wise Attention Networks这篇论文主要通过使用Hard attention和channel-wise attention 在大规模图数据应用中,可以有效的节省计算资源。并且基于提出的Hard attention 和channel-wise attention,开发了一个...原创 2020-01-03 11:30:15 · 872 阅读 · 2 评论 -
Graph attention networks (GAT)论文解析
研究报告论文:Graph attention networks (GAT)针对图结构数据,本文提出了一种GAT(graph attention networks)网络。在GAT中,图中的每个节点可以根据其邻居节点的特征,为其分配不同的权值。而且不需要昂贵的矩阵运算,或者依赖预先知道的图结构。Graph Architecture (Graph attention layer)和所有的att...原创 2020-01-03 11:25:32 · 2146 阅读 · 0 评论