随笔分类 - 图计算图学习
图计算图学习
摘要:本项目对PGL图学习系列项目进行整合方便大家后续学习,同时对图学习相关技术和业务落地侧进行归纳总结,以及对图网络开放数据集很多学者和机构发布了许多与图相关的任务。
阅读全文
摘要:本项目讲了论文节点分类任务和新冠疫苗任务,并在论文节点分类任务中对代码进行详细讲解。PGL八九系列的项目耦合性比较大,也花了挺久时间研究希望对大家有帮助。
阅读全文
摘要:本项目讲了论文节点分类任务和新冠疫苗任务,并在论文节点分类任务中对代码进行详细讲解。PGL八九系列的项目耦合性比较大,也花了挺久时间研究希望对大家有帮助。
后续将做一次大的总结偏向业务侧该如何落地以及图算法的归纳,之后会进行不定期更新图相关的算法!
阅读全文
摘要:通过以上两个版本的模型代码简单的讲解,我们可以知道他们的不同点,其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上,在传递消息(Send阶段)时只考虑了邻居本身的文本信息;而ERNIESageV2版本则作用在了边上,在Send阶段同时考虑了当前节点和其邻居节点的文本信息,达到更好的交互效果。
阅读全文
摘要:通过以上两个版本的模型代码简单的讲解,可以知道他们的不同点,其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上,在传递消息(Send阶段)时只考虑了邻居本身的文本信息;而ERNIESageV2版本则作用在了边上,在Send阶段同时考虑了当前节点和其邻居节点的文本信息,达到更好的交互效果。
为了实现可扩展的,健壮的和可重现的图学习研究,提出了Open Graph Benchmark (OGB)——具有规模大、领域广、任务类别多样化的现实图数据集。在特定于应用程序的使用案例的驱动下,对给定的数据集采用了实际的数据分割方法。通过广泛的基准实验,强调OGB数据集对于图学习模型在现实的数据分割方案下处理大规模图并进行准确的预测提出了重大挑战。总而言之,OGB为未来的研究提供了丰富的机会,以推动图学习的前沿。
阅读全文
摘要:本项目主要讲解了GraphSage、PinSage、GIN算法的原理和实践,并在多个数据集上进行仿真实验,基于PGl实现原论文复现和对比,也从多个角度探讨当前算法的异同以及在工业落地的技巧等。
阅读全文
摘要:PGL图学习之图神经网络GNN模型GCN、GAT[系列六]
阅读全文
摘要:PGL图学习之图游走类metapath2vec模型[系列五]
阅读全文
摘要:Paddle Graph Learning (PGL)图学习之图游走类模型[系列四] 更多详情参考:Paddle Graph Learning 图学习之图游走类模型[系列四] https://aistudio.baidu.com/aistudio/projectdetail/5002782?cont
阅读全文
摘要:5.图学习【参考资料2】-知识补充与node2vec代码注解
阅读全文
摘要:词向量word2vec(图学习参考资料)
阅读全文
摘要:图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二)
阅读全文
摘要:关于图计算&图学习的基础知识概览:前置知识点学习(Paddle Graph Learning (PGL))
阅读全文