随笔分类 -  图神经网络

摘要：邻居聚合 图采样后，就要进行邻居聚合 1.1 传统聚合 1.2 评估聚合的表达能力 Mean倾向于学习邻居的分布 1.3 基于单射的GIN模型（Graph Isomorphism Net） 图同构网络，常用于图分类（sum+两个部分构成了GIN） 1.4 更多聚合函数 1.5 应用场景 阅读全文

摘要：一、引入 1.1 为什么要图采样 涉及计算的节点随层数增加呈指数增长 1.2 什么是图采样 子图采样不是随机采样，因为不仅仅需要节点，还需要节点之间的关系。 二、图采样算法 2.1 GraphSAGE 2.2 pinSAGE GraphSAGE只能采样真实的邻居节点，但pinSAGE不一定。 Pin 阅读全文

摘要：一、相关概念 训练方式是端到端的 规则性数据-->非欧式数据（树、图） 谱分解 二、图卷积网络（GCN） Graph Convolutional Network 2.1 图像卷积-->图结构卷积（度进行邻居的计算） 图像卷积：将一个像素点周围的像素按照不同的权重叠加起来 图结构上的卷积：将一个节点周 阅读全文

摘要：一、同构图游走类算法 目标：学习出图中节点的一维表示：Node embedding（学习到节点与邻居的关系）-->下游任务 怎么得到Node embedding？ 节点--> 单词 节点序列-->句子 1.1 Word2vec 思想：词的语义由词的上下文来决定。 Skip Gram：根据中心词与预测 阅读全文

摘要：0.图的相关资料： 参考课程：http://cs224w.stanford.edu 图学习库PGL：https://github.com/PaddlePaddle/PGL https://baijiahao.baidu.com/s?id=1650916524935280985&wfr=spider& 阅读全文