katrina:【CS224W学习笔记 day02】 节点表示(Node embedding)11 赞同 · 1 评论文章 在深度学习领域同样可以把图的任务分为这三类: 1.图神经网络任务定义 【node-level】 (节点分类)将一张图输入到GNN中之后,我们就可以得到所有节点的embedding、这样我们就可以把这些embedding直接当成一个个的样本特征
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: 图神经网络 图嵌入 Graph Embedding 节点、边、子图、...
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...
一、介绍1.1 为什么选择图?图是一种描述和分析具有关系/交互的实体的通用语言,客观世界中的很多数据类型可以自然的表示为图形并建模这些图形关系,一部分可以比较自然的表示为图的形式,比如社交网络、计算机网…
编辑: Houye 上一节介绍了, Cs224W 8.1-Graph Neural Network 图机器学习基础 图卷积和GraphSAGE 本小节从GCN过渡到graphsage的过程是非常自然,二者的不同之处仅仅是box处做了一些修改: 这里提到了weighted average,实际上指的就是当图为带权图的时候,我们进行average之前,每个节对应的要乘上edge的权重再平均,这...
流程 一、认领 首先查看整体进度,确认没有人认领了你想认领的章节。 然后回复 ISSUE,注明“章节 + QQ 号”。 二、整理笔记 下载英文字幕 翻译(可以利用谷歌翻译,但一定要把它变得可读) 排版成段落,并添加视频截图 三、提交 forkGithub 项目 将文档放在docs中。
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&inde...
Breadcrumbs zihao_course /CS224W / 8-GIN.md Latest commit HistoryHistory File metadata and controls Preview Code Blame 68 lines (35 loc) · 2.11 KB Raw 图神经网络的表达能力 同济子豪兄 2023-3-13 视频 中文精讲视频:https://www.bilibili.com/video/BV1MT411Y7da Youtube视频: https://...
1.3 图的基本表示 Objects:nodes(节点)、vertices(顶点)表示为NN 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
后续算法 Shortest Path 最短路径 地铁导航系统 先根据最短路径算法获得相关的 Path_list,然后再依次读取previous_station 和 next_station 的节点属性信息 Node Degree Eigenvector Centrality(可能不收敛) Betweenness Centrality(必经之地) PageRank Katz Centrality ...