【斯坦福CS224W 图与机器学习 3】:Motifs and Structural Roles 这一节前面还穿插了一节内容Recitation: Snap.py and Google Cloud tutorial ,主要介绍了snap-stanford的用法,感兴趣的同学可以戳 这里了解,还有snap-stanford的官网,包括了这个工具的… 努力搬砖的小李 CS224W-图神经网络笔记 1. Introduction Ufowo....
斯坦福CS224W图机器学习、图神经网络公开课笔记 第一讲:导论 1. 图机器学习和图神经网络的基本知识 基本定义:图是描述关联数据的通用语言。 应用领域:Computer Networks, Disease Pathways, Particle Networks等。 主要问题:如何利用节点直接的关系结构去做出更好的预测?如何对带关联的图数据进行数据挖掘? 传统的机器学...
斯坦福CS224W图机器学习、图神经网络公开课笔记 回顾:上一讲我们介绍了图神经网络的基本概念,典型方法,应用场景,编程工具等。大自然和日常社会中的很多现象都可以抽象成“节点”与“连接”组成的图。图是描述各种关联现象的通用语言,图数据自带关联结构。图神经网络可以自动将某一节点变成d维向量,称之为“图嵌入”。
GDV counts #(graphlets) that a node touches. Graphlet degree vector的意义在与它提供了对于一个节点的本地网络拓扑的度量,这样可以比较两个节点的GDV来度量它们的相似度。由于Graphlet的数量随着节点的增加可以很快变得非常大,所以一般会选择2-5个节点的Graphlet来标识一个节点的GDV。 获得节点feature的方法有:...