文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记20 Advanced Topics on GNNs

1. Advanced Topics on GNNs我们首先可以回忆一下图神经网络:输入图结构数据,经神经网络,输出节点或更大的网络结构(如子图或图)的嵌入。此外还可以回忆一下 general GNN framework 和 GNN training pipeline 的相关内容2. Limitations of Graph Neural Networks完美的GNN模型在这里我们提出一个思想实....

cs224w(图机器学习)2021冬季课程学习笔记20 Advanced Topics on GNNs
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记19 Deep Generative Models for Graphs

1. Deep Generative Models for Graphs对深度图生成模型,有两种看待问题的视角:第一种是说,图生成任务很重要,我们此前已经学习过传统图生成模型3,接下来将介绍在图表示学习框架下如何用深度学习的方法来实现图生成任务。另一种视角是将其视为图表示学习任务的反方向任务。课程此前学习过的图表示学习任务4 deep graph encoders:输入图数据,经图神经网络输出节....

cs224w(图机器学习)2021冬季课程学习笔记19 Deep Generative Models for Graphs
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记18 Colab 4:异质图

Question 1. DeepSNAP异质图简介表示异质图所需的图属性:node_feature: 节点特征The feature of each node (torch.tensor)edge_feature: 边特征The feautre of each edge (torch.tensor)node_label: 节点标签The label of each node (int)node_....

cs224w(图机器学习)2021冬季课程学习笔记18 Colab 4:异质图
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记17 Traditional Generative Models for Graphs

1. (Traditional) Generative Models for Graphs图生成模型问题的研究动机:我们此前的学习过程中,都假设图是已知的;但我们也会想通过graph generative model人工生成与真实图类似的synthetic graph,这可以让我们:①了解图的形成过程。②预测图的演化。③生成新的图实例。④异常检测:检测一个图是否异常。本课程对图生成模型的介绍流程....

cs224w(图机器学习)2021冬季课程学习笔记17 Traditional Generative Models for Graphs
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记16 Community Detection in Networks

1. Community Detection in Networks图中的社区识别任务就是对节点进行聚类networks & communities网络会长成图中这样:由多个内部紧密相连、互相只有很少的边连接的community组成。从社会学角度理解这一结构:在社交网络中,用户是被嵌入的节点,信息通过链接(长链接或短链接流动)。以工作信息为例,Mark Granovetter 在其60年....

cs224w(图机器学习)2021冬季课程学习笔记16 Community Detection in Networks
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记15 Frequent Subgraph Mining with GNNs

1. Identifying and Counting Motifs in Networkssubgraphsubgraph是网络的组成部分,可用于识别和区分不同的网络(可以说是不同种类网络会具有不同特征的subgraph)。使用传统的discrete type matching1 方法代价很大,本文会介绍使用神经网络解决subgraph matching问题的方法。以下图分子式为例:含有羧基(....

cs224w(图机器学习)2021冬季课程学习笔记15 Frequent Subgraph Mining with GNNs
文章 2022-10-21 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记14 Reasoning over Knowledge Graphs

1. Reasoning over Knowledge Graphs回忆:知识图谱补全任务1本章主旨:介绍如何实现知识图谱上的多跳推理任务。回答多跳查询问题,包括path queries和conjunctive queries。在某种程度上也可以说是在做知识图谱预测问题,在对任意predictive queries做预测。介绍query2box方法。知识图谱示例:Biomedicine(以下课程....

cs224w(图机器学习)2021冬季课程学习笔记14 Reasoning over Knowledge Graphs
文章 2022-10-20 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记13 Colab 3

1. 实现GraphSAGE和GAT在colab 21 中,我们是直接使用PyG内置的GCNConv来建模。在本colab中,我们将自己设计message-passing模型,建立单层GNN,并实现一个可泛化的堆叠GNN模型,应用在CORA数据集上。CORA数据集是一张引用网络,节点是文档,无向边是引用关系。每个节点有所隶属类标签。节点特征是文档 词包BoW 表示的元素。数据集中共2708个节点....

cs224w(图机器学习)2021冬季课程学习笔记13 Colab 3
文章 2022-10-20 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记12 Knowledge Graph Embeddings

本章主要内容:本章首先介绍了 异质图heterogeneous graph 和 relational GCN (RGCN)。接下来介绍了 知识图谱补全knowledge graph completion 任务,以及通过图嵌入方式的四种实现方式及其对关系表示的限制:TransE,TransR,DistMult,ComplEx。1. Heterogeneous Graphs and Relation....

cs224w(图机器学习)2021冬季课程学习笔记12 Knowledge Graph Embeddings
文章 2022-10-20 来自:开发者社区

cs224w(图机器学习)2021冬季课程学习笔记11 Theory of Graph Neural Networks

本章主要内容:本章主要学习GNN模型的表达能力expressive power,即将不同图数据表示为不同嵌入向量的能力。我们主要考虑图中节点的局部邻居结构 local neighborhood structure 信息,GNN通过计算图 computational graph 捕获节点的局部邻居结构。因此,GNN无法区分具有相同计算图的节点。如果GNN能将具有不同计算图的节点区分开来(即形成一个....

cs224w(图机器学习)2021冬季课程学习笔记11 Theory of Graph Neural Networks

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问