1. 课程信息 2023年CS224W 冬季课程学习和翻译,主要参考: 1、stanford课程链接:https://web.stanford.edu/class/cs224w/index.html 2、重要参考:cs224w(图机器学习)2021冬季课程学习笔记集合_cs224w 百度网盘_诸神缄默不语的博客-CSDN博客 3、B站视频教程:【双语字幕】斯坦福CS224W《图机器学习》课程(2021) by ...
其中 遍历所有节点,并遍历从uu节点出发的随机游走序列的所有邻域节点,计算节点uu和节点vv在该随机游走序列中共现。 2.3 计算优化 负采样: 其中 (非均匀分布采样), 梯度下降: 全局梯度下降(Gradient Descent):求所有节点uu总梯度 ,并迭代更新 随机梯度下降(Stochastic Gradient Descent):每次随机游走优化一次 ,并迭代更...
Interactions(关系):links、edges表示为EE System:network、graph表示为G(N,E)G(N,E) 设计本体图 如何设计本体图,取决于将来想解决什么样的问题 有些时候,本体图是唯一的、无歧义的 图的类型 无向图:连接是无方向的 有向图:连接是有方向的 异质图:节点和连接都存在不同的类型 二分图(Bipartite Graph) 节点...
之前把GNN的原理、框架等等都简单说了一遍, 但是GNN训练和预测的pipeline也是一个问题,因为它不像CV或者NLP领域的任务定义那么简单,如果任务设计的不合理可能会造成各种信息泄露的问题,所以这次好好讲一下GNN训练和预测的pipeline。 首先,我们需要定义我们的任务,在第二节,我们详细讲述了在浅层学习中可以把图领域的任...
嵌入表示的可视化示例(数据源:Zachary 空手道俱乐部网络节点) 2 编码与解码 节点编码:将原始网络中的节点映射到嵌入空间,得到节点的低维嵌入表示 节点编码的原则:两个节点的相似度在原始网络和嵌入空间中保持一致,即similarity(u,v)≈zvTzu similarity为节点相似度函数,用于度量两节点在原始网络中的相似度 ...
问题1:知识图的边缺失会导致结果失真,如何使用嵌入来隐式插补缺失? 问题2:如何表示一组实体?如何定义嵌入空间中的交集操作? 4 Query2box 联合查询 Query2box 核心思想:把序列映射成 boxes,每个实体(节点)都是一个包含中心点和偏移项的 box;关系(边)则是一种投影运算;一个 box 可以通过投影运算得到一个新的 ...
2023-3-13更新 课程概述 图机器学习、图数据挖掘、图神经网络、知识图谱入门必学公开课:斯坦福大学CS224W。算法讲解、论文精读、代码实战中文精讲。 同济子豪兄中文精讲课程主页:https://github.com/TommyZihao/zihao_course/tree/main/CS224W 视频合集:https://space.bilibili.com/1900783/channel/collectiondetail...
这个时候就要用到“loopy belief propagation” 关于loopy bp algorithm,一方面比较复杂。。。一方面不太需要。。。我本来是想看node2vec和gnn的。。结果顺序搞错了看了这一章节,后续写完了第七、第八课的介绍再会回过头来写这个吧。
同济子豪兄 2023-1-18 视频 中文精讲视频:https://www.bilibili.com/video/BV1AP4y1r7Pz Youtube视频: https://www.youtube.com/watch?v=rMq21iY61SE&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&index=7 https://www.youtube.com/watch?v=Xv0wRy66Big&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&in...
Stanford CS224W、知识图谱实战 DeepWalk、Node2vec PageRank GNN、GCN、Graph-SAGE、GIN、GAT Trans-E、Trans-R 扩展学习:图计算 图论与数据结构: 中心性、连通性、最短路径、关键路径、拓扑排序、聚集系数、标签传播 概率图模型: Koller的公开课 图机器学习: ...