基于知识图谱和图卷积神经网络的应用——学习笔记

因为对图卷积神经网络的概念还是比较模糊的,所以想看看别人的讲解视频,结果发现b站上有一些内容,所以我就把这边博文当作的我的观看笔记!

1.图卷积的基本框架

基于知识图谱和图卷积神经网络的应用——学习笔记_第1张图片

输入邻接矩阵,然后把特征矩阵点乘到每个节点上,输入到下一层,每次更新特征矩阵,使特征矩阵达到收敛或基本不变的情况,可以进行分类问题,核心就是两个矩阵

2.卷积神经网络

基于知识图谱和图卷积神经网络的应用——学习笔记_第2张图片

3.图卷积

图卷积在卷积神经网络基础上加入了邻接矩阵的信息,这个边是否存在

基于知识图谱和图卷积神经网络的应用——学习笔记_第3张图片

例子:其中特征矩阵h0和权重w是随机的,w在gcn中并没有那么重要,所以可以随机初始化。w可以自适应的变,也可以不变,现在可以用自适应的变。h收敛可以由内积来看

基于知识图谱和图卷积神经网络的应用——学习笔记_第4张图片

基于知识图谱和图卷积神经网络的应用——学习笔记_第5张图片

4.半监督图分类

基于知识图谱和图卷积神经网络的应用——学习笔记_第6张图片

5.代码  权重,sparse邻接矩阵,x是特征,dot是点乘   然后不断循环更新

基于知识图谱和图卷积神经网络的应用——学习笔记_第7张图片

5.科学家网络

基于知识图谱和图卷积神经网络的应用——学习笔记_第8张图片

6.提问环节

频率是怎么推到时率?这个涉及到傅立叶变换,属于数学的推倒过程

你可能感兴趣的:(笔记,图卷积神经网络,知识图谱,笔记)