wumingxin

摘要： 综述 本讲是图表示学习综述，介绍了图嵌入(节点嵌入)表示学习的基本框架和编码器-解码器架构，将节点嵌入映射为低维、连续、稠密向量。向量空间的相似度反应节点相似度。在同一个随机游走序列中共同出现的节点，视为相似节点，从而构建类似Work2Vec的自监督学习场景。衍生出DeepWalk、Node2Vec 阅读全文

摘要： 特征工程的意义 特征工程是传统图机器学习中的一个重要环节，它可以帮助我们更好地理解图中的节点、连接和全图，从而更好地构建有效的机器学习模型。特征工程可以帮助我们提取图中的有用信息，比如节点的度、节点的中心性、节点的邻居、节点的社区结构等，从而更好地理解图中的结构和关系，从而更好地构建有效的机器学习模 阅读全文

摘要： 图机器学习原理 机器学习算法分为三大类，即监督学习、无监督学习和半监督学习。这些学习模式取决于向算法提供数据的方式和性能的评估方式。 监督学习（Supervised learning） 是当我们知道问题的答案时所使用的学习范式。在此场景中，数据集由形式为< x , y >的成对样本组成，其中x是输入 阅读全文