CS224W 3.3 Embedding Entire Graphs

huihui12a

已于 2022-11-07 22:27:09 修改

阅读量468

点赞数

分类专栏： cs224w（图机器学习）2021 文章标签： python 开发语言

于 2022-11-07 22:24:54 首次发布

本文链接：https://blog.csdn.net/zhangxiaohuiNO1/article/details/127739978

版权

10 篇文章 0 订阅

订阅专栏

目标

想要嵌入整个图或者子图，图嵌入： $z_{G}$

$z_{G}=\sum_{v\in G}z_{v}$

引入一个虚拟节点去表示子图或者图，然后对这个虚拟节点运行嵌入技巧。

注意虚拟节点要与对应的子图或图中的节点连接。

匿名walk的state是指在一个random walk中访问节点的第一次出现次数(索引)，与节点的身份无关。

首先学习anonymous walk的embedding $z_{i}$ ，然后利用anonymous walk embeddings𝑍 = { $z_{i}$ :𝑖 = 1…𝜂},学习图嵌入 $z_{G}$ 。即一共要学习η+1个嵌入，η是采样的anonymous walks的个数。

运行T次以节点u为起始的长度为l的random walks
学习去预测共同出现在Δ-size窗里的walks
预测anonymous walk $w_{i}$ 的嵌入 $z_{i}$ ：是Δ-size窗里的walk embedddings和图嵌入 $z_{G}$ 的concatenate的均值再线性组合

学习得到图嵌入后可以用于图分类：可以利用两个图嵌入的内积或者可以将图嵌入输入神经网络得到分类结果。

第三课讨论了graph representation learning,与传统的方法不同，不需要特征工程，可以学习节点嵌入和图嵌入用于下游任务。

关注

专栏目录