随笔分类 -  图神经网络

图神经网络相关论文
摘要：参考资料： ICLR 2022图学习领域都在研究什么？Open Review投稿文章一览 阅读全文
posted @ 2022-11-12 10:33 YTT77 阅读(24) 评论(0) 推荐(0) 编辑
动态时序图神经网络
摘要：参考资料： Dynamic (Temporal) Graph (Network) Representation Learning：动态图（网络）表示学习文章、代码汇总 2022年最新动态图神经网络（Dynamic GNN）综述 动态图神经网络（Dynamic GNN）和时序知识图谱（Temporal 阅读全文
posted @ 2022-11-10 18:04 YTT77 阅读(258) 评论(0) 推荐(0) 编辑
GCN
摘要：GCN 傅里叶变换 卷积定理 拉普拉斯矩阵 参考资料： GCN总结 阅读全文
posted @ 2022-09-20 17:54 YTT77 阅读(126) 评论(0) 推荐(0) 编辑
分布式图神经网络
摘要：分布式图神经网络 一、DGL中的实现 官网：https://docs.dgl.ai/en/latest/guide_cn/index.html DGL是用于图结构深度学习的Python库，通过与主流的深度学习框架集成（包括Tensorflow、PyTorch、MXNet），能够实现从传统的张量运算到 阅读全文
posted @ 2022-09-06 13:46 YTT77 阅读(1054) 评论(0) 推荐(0) 编辑
图神经网络系统
摘要：DGL 官网：https://docs.dgl.ai/en/latest/guide_cn/index.html github实例：https://github.com/dmlc/dgl pyG 官网文档：https://pytorch-geometric.readthedocs.io/en/lat 阅读全文
posted @ 2022-08-31 14:34 YTT77 阅读(255) 评论(0) 推荐(0) 编辑
异构网络嵌入
摘要：metapath2vec 参考资料： 图神经网络学习笔记2.2-图游走算法(异构图) metapath2vec: 异质图Graph Embedding 阅读全文
posted @ 2022-08-23 11:08 YTT77 阅读(29) 评论(0) 推荐(0) 编辑
图神经网络相关数据集
摘要：参考资料： 从上到下｜图网络开放数据集 GCN的Benchmark数据集追溯 阅读全文
posted @ 2022-08-12 20:37 YTT77 阅读(117) 评论(0) 推荐(0) 编辑
OGB相关资料
摘要：使用PyTorch Geometric(PyG) 构建GNN模型，应用在OGB的两个benchmark数据集上，分别执行节点属性预测和图的预测任务。 1.加载数据集 首先会去下载数据，要等挺久的 from ogb.nodeproppred import NodePropPredDataset dat 阅读全文
posted @ 2022-07-25 15:02 YTT77 阅读(590) 评论(0) 推荐(0) 编辑
neo4j中的图算法
摘要：参考资料： Neo4j中的图形算法：15种不同的图形算法及其功能 PageRank算法（1）：PageRank算法原理入门 PageRank算法（2）：PageRank原理剖析 阅读全文
posted @ 2022-07-05 20:01 YTT77 阅读(63) 评论(0) 推荐(0) 编辑
风控与图论坛
摘要：一.图学习在信用风控场景的应用 蚂蚁集团 王岱鑫 2020年吴文俊人工智能科技进步一等奖《金融智能图机器学习系统研发与规模化应用》 论文截图 二.开放图神经网络及其应用 北京邮电大学 石川教授 图神经网络 开放环境下的图神经网络 o异质图神经网络HAN(HAN2019) o动态图神经网络MetaDy 阅读全文
posted @ 2022-06-25 19:30 YTT77 阅读(200) 评论(0) 推荐(0) 编辑
"AI之夏"： 图机器学习理论与应用
摘要：主讲人姓名：魏哲巍 教授 报告题目：图机器学习理论与应用 报告摘要：近年来，由于图结构数据的强大表现力，用机器学习方法分析图的研究越来越受到重视。图神经网络是一类基于深度学习的处理图结构数据的方法，在众多领域展现出了卓越的性能，因此已成为一种广泛应用的图分析方法。本报告拟从当前流行的图神经网络模型出 阅读全文
posted @ 2022-06-08 16:56 YTT77 阅读(51) 评论(0) 推荐(0) 编辑
DataFunSummit 2022 数据科学在线峰会
摘要：互联网与数据科学论坛 图网络数据在跟风拍摄中的实践与应用 快手 生产数分techlead 李健伟 01图网络基本概念概述 图网络应用： 02网络数据在快手的应用现状 03网络数据在跟风拍摄中的实践 风的必要条件:可(易)模仿、生产门槛低、有趣有料、符合大众品味; 跟风:普通ugc和pgc作者能够基于 阅读全文
posted @ 2022-05-21 14:51 YTT77 阅读(223) 评论(0) 推荐(0) 编辑
第一届生物神经智能—神经网络与图神经网络研讨会（2）
摘要：强化学习优化的图神经网络 研究工作1： 研究工作2： 研究工作3： 研究工作4： 研究工作5： Towards a Multi-view Attentive Matching for Personalized Expert Finding 社区问答：为新问题推荐专家发现问题 给定一个目标问题，给其推 阅读全文
posted @ 2022-05-15 10:48 YTT77 阅读(106) 评论(0) 推荐(0) 编辑
第一届生物神经智能—神经网络与图神经网络研讨会（1）
摘要：神经符号系统-基本原理与案例分析 一、神经符号系统概述 符号主义和连接主义的基本维度： 注：分布表示即embedding 神经符号系统的研究现状： 研究路线图： 典型问题： 二、神经符号系统的新框架 一种新的神经符号系统框架(SRL-NS) 正则化方法： 核心问题:如何量化模型预测对知识的拟合程度? 阅读全文
posted @ 2022-05-14 09:40 YTT77 阅读(152) 评论(0) 推荐(0) 编辑
图神经网络相关问题
摘要：###一、问：图神经网络一般用几层？是否像CNN、RNN一样层数越多越好？ 答：一般2-3层效果就比较好了，层数过多会出现过平滑问题，即经过多次邻居节点特征的聚合，所有节点的特征都会变得相似，就不能进行区分了。 图卷积会使同一连通分量内的节点的表征趋向于收敛到同一个值。 ###二、问：如果要使用多层 阅读全文
posted @ 2022-05-06 18:22 YTT77 阅读(588) 评论(0) 推荐(0) 编辑
图神经网络(二)常见的Graph Embedding方法
摘要：Embedding在数学上是一个函数，将一个空间的点映射到另一个空间，通常是从高维抽象的空间映射到低维的具象空间。 Embedding的作用： 将高维数据转换到低维利于算法的处理； 同时解决one-hot向量长度随样本的变化而变化，以及无法表示两个实体之间的相关性这一问题。 Graph Embedd 阅读全文
posted @ 2022-05-01 22:02 YTT77 阅读(1751) 评论(0) 推荐(0) 编辑
图神经网络(一)图的基本介绍
摘要：图的表示 图一般包括有向图和无向图 使用邻接矩阵来表示图 节点的度degree：表示该节点与其他节点相连的边数 （有向图中分为入度和出度） 图的特性 连通图Connected Graph∶对于一个无向图，如果任意的节点 $i$ 能够通过一些边到达节点 $j$ ，则称之为连通图。 （如果图中任意两个节 阅读全文
posted @ 2022-04-30 21:57 YTT77 阅读(1019) 评论(0) 推荐(0) 编辑