随笔分类 -  图神经网络

PyTorch图神经网络（六）
摘要：PyTorch图神经网络（六） ​ 第十章讲的是使用图神经网络来预测链接，这里直接跳过传统方法。 1.VGAE ​ VGAE是通过编码器-解码器的形式来对链接进行预测。通过VGAE对节点的特征进行编码，然后通过GCN层来聚合相邻节点的特征，最终能够得到每个节点的隐向量，通过预测节点隐向量的相似度来预 阅读全文
posted @ 2025-09-25 20:02 爱露查 阅读(13) 评论(0) 推荐(0)
PyTorch图神经网络（五）
摘要：PyTorch图神经网络（五） 1.WL测试 ​ 之前讲了用图神经网络对节点进行分类，这里则是对图进行分类，思路来自于WL测试。WL测试旨在构建图的规范形式，具体做法为： ​ 1.一开始对每个节点赋予相同的颜色或者标签 ​ 2.每个节点拼接自己和邻居的标签（原文说的聚合可能会产生误解） ​ 3.结果 阅读全文
posted @ 2025-09-23 20:59 爱露查 阅读(11) 评论(0) 推荐(0)
PyTorch图神经网络（四）
摘要：PyTorch图神经网络（四） 1.GraphSAGE ​ 从这里开始的第三篇，开始将更加偏向实际使用的图神经网络了。GraphSAGE是一种图神经网络架构，旨在处理大型图。 邻居采样： ​ 这里引入了一个基本概念：小批量。在大型图中，我们无法考虑图中的所有信息，因此，我们只能考虑节点以及他的邻居。 阅读全文
posted @ 2025-09-23 20:05 爱露查 阅读(15) 评论(0) 推荐(0)
PyTorch图神经网络（三）
摘要：PyTorch图神经网络（三） 1.图注意力网络（GAT） ​ 之前提到的图卷积网络其实已经包含了图注意力网络的思想，他用节点的度来衡量节点的重要性，这样就会使得邻居较少的节点比其他节点更加重要。图注意力网络解决了这种方法的局限性，他把归一化矩阵拓展成注意力矩阵，得到的公式为（写成单个嵌入的形式，便 阅读全文
posted @ 2025-09-23 14:39 爱露查 阅读(21) 评论(0) 推荐(0)
PyTorch图神经网络（二）
摘要：PyTorch图神经网络（二） 1.Node2Vec ​ Node2Vec在DeepWalk的基础上，对随机游走本身的生成方式进行了改进。这里的思想是参考了图遍历的两种方法：BFS和DFS，具体做法为：使每次随机游走偏向以下任一方案： ​ 1.游走到与前一个节点未连接的节点（类似于DFS） ​ 2. 阅读全文
posted @ 2025-09-22 17:08 爱露查 阅读(15) 评论(0) 推荐(0)
PyTorch图神经网络（一）
摘要：PyTorch图神经网络（一） ​ 参考书《PyTorch图神经网络》，作者[美]马克西姆·拉伯恩。 1.前言： ​ 图神经网络用于处理图结构数据的任务，图中的信息除了点和边之外，每个点还有自己的特征。图神经网络的具体应用包括节点分类、链接预测、图分类、图生产等等。这个系列将从头开始讲解图神经网络的 阅读全文
posted @ 2025-09-22 11:01 爱露查 阅读(39) 评论(0) 推荐(0)