日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）
将自己在日常学习中遇到的好资源记录下来！
本文目录
-
-
-
- 1.多视图聚类总结：
- 2.论文阅读：One2Multi Graph Autoencoder for Multi-view Graph Clustering
- 3.GMC: Graph-based Multi-view Clustering 论文笔记
- 4.KMeans与深度学习自编码AutoEncoder结合提高聚类效果
- 5.Github项目推荐-图神经网络(GNN)相关资源大列表
- 6.基于图神经网络的聚类研究与应用
- 7.One2Multi Graph Autoencoder for Multi-view Graph Clustering（有代码）
- 8.快速上手：图聚类入门 Graph Clustering
- 9.Multi-View Attribute Graph Convolution Networks for Clustering(较详细的解读,文章的解读也很到位)
- 10.论文阅读“Auto-weighted multi-view clustering via deep matrix decomposition”(Multi-view的解释比较好)
- 11.傅里叶变换
- 12.python生成聚类数据集
- 13.GCN对邻接矩阵标准化的意义
- 14.attention机制的深入理解以及GAT的DGL实现
- 15.梯度消失和梯度爆炸的问题
- 16.聚类常用的评估指标
- 17.聚类算法的发展历史、现状、未来趋势
- 18.tensorflow实现GCN
- 19.经典的GCN模型总结：
- 20.深层GNN性能退化的问题
-
- 补充
- 21.耦合和解耦的简单理解
- 22.inductive和transductive的简单理解
- 23.社区检测相关的基础知识
- 24.GAT的tensorflow2.0实现
- 25.FCAN中目标函数的数学解释
- 26.tf.add_weight 和 tf.Variable使用例子
- 27.tensorflow中相关的一些API（包含定义模型的多种方式；）
- 28.部分计算机会议和期刊论文的下载方法
- 29.Graph领域非常nice的博客！！！！！！
- 30.tensorflow中参数初始化的一些相关知识
- 31.Line模型的详细讲解：
- 32.tensorflow实现学习率衰减
- 33.GNN中的高阶结构
- 34.GNN综述
- 35.F1-score的计算以及详细讲解
- 36.VGAE论文详解
- 37.tensorflow中的4中交叉熵函数：
- 38.KL散度的python实现
- 39.基于GNN的属性图聚类最新研究总结
- 40.稀疏矩阵的常用存储格式（COO、CSR、CSC）
- 41.32种激活函数的总结：
- 42.F1-score的详解
- 43.GAT以及代码详解
- 44.GNN总结（模型、应用。）
- 45.GNN中的skip-connection理解
- 46.GNN中数据处理的作用以及实现
- 47.清晰图表，详尽阐述 GNN、GCN、GAE 等 5 类模型
- 48.Graph Neural Network（GAE，GVAE，ARGA）
-
-
1.多视图聚类总结：
https://www.cnblogs.com/infinite-h/p/13401550.html
2.论文阅读：One2Multi Graph Autoencoder for Multi-view Graph Clustering
https://zhuanlan.zhihu.com/p/382638070
3.GMC: Graph-based Multi-view Clustering 论文笔记
https://blog.csdn.net/qq_34233136/article/details/105027668
4.KMeans与深度学习自编码AutoEncoder结合提高聚类效果
https://blog.csdn.net/TH_NUM/article/details/80073087?
5.Github项目推荐-图神经网络(GNN)相关资源大列表
https://blog.csdn.net/xinshucredit/article/details/89517869?
6.基于图神经网络的聚类研究与应用
https://blog.csdn.net/Datawhale/article/details/106435506?
7.One2Multi Graph Autoencoder for Multi-view Graph Clustering（有代码）
https://blog.csdn.net/Asure_AI/article/details/112908693?
8.快速上手：图聚类入门 Graph Clustering
https://blog.csdn.net/weixin_43845931/article/details/118713356?
9.Multi-View Attribute Graph Convolution Networks for Clustering(较详细的解读,文章的解读也很到位)
https://www.jianshu.com/p/b05ff89b94ce
10.论文阅读“Auto-weighted multi-view clustering via deep matrix decomposition”(Multi-view的解释比较好)
https://www.jianshu.com/p/f80d70e7dfa9
11.傅里叶变换
（1）https://blog.csdn.net/qq_27825451/article/details/88553441（实现）；
（2）https://zhuanlan.zhihu.com/p/70347734（实现）；
12.python生成聚类数据集
https://blog.csdn.net/qq_42730750/article/details/117286533?
13.GCN对邻接矩阵标准化的意义
https://blog.csdn.net/u012856866/article/details/108258564?
14.attention机制的深入理解以及GAT的DGL实现
（1）https://zhuanlan.zhihu.com/p/57180498（含DGL实现）
（2）https://blog.csdn.net/weixin_43251230/article/details/89603544
（3）https://zhuanlan.zhihu.com/p/149879579（tensorflow实现）
15.梯度消失和梯度爆炸的问题
https://blog.csdn.net/fu6543210/article/details/90293622
16.聚类常用的评估指标
（1）总体：https://blog.csdn.net/weixin_45488228/article/details/100549820
（2）NMI详细且有代码：https://www.cnblogs.com/picassooo/p/13409146.html
17.聚类算法的发展历史、现状、未来趋势
https://www.csdn.net/tags/NtjacgzsMzU0MzMtYmxvZwO0O0OO0O0O.html
18.tensorflow实现GCN
https://blog.csdn.net/VariableX/article/details/109820684
19.经典的GCN模型总结：
（1）https://blog.csdn.net/fengdu78/article/details/122916915
（2）https://archwalker.github.io/blog/2019/11/10/GNN-Go-Through-Main-Models.html
（3）https://blog.csdn.net/qq_60272314/article/details/120467382
20.深层GNN性能退化的问题
（1）https://blog.csdn.net/huanghelouzi/article/details/115334222
（2）https://zhuanlan.zhihu.com/p/398736015（详细，总结到位！）
（3）http://news.sohu.com/a/522548011_121124371
补充
解决GNN中propogation和transformation耦合导致的深层模型性能下降的问题：解耦操作
https://blog.csdn.net/feilong_csdn/article/details/117122149
21.耦合和解耦的简单理解
https://www.itheima.com/news/20210513/180245.html
22.inductive和transductive的简单理解
23.社区检测相关的基础知识
（1）https://blog.csdn.net/weixin_51361084/article/details/123900802
（2）https://zhuanlan.zhihu.com/p/164772126
（3）https://www.jianshu.com/p/0c1ebbd3a246
（4）https://zhuanlan.zhihu.com/p/428821516（准确具体地总结了关键的问题）
24.GAT的tensorflow2.0实现
https://blog.csdn.net/zhong_ddbb/article/details/110843394
25.FCAN中目标函数的数学解释
（1）参考论文：Spectral Clustering with Graph Neural Networks for Graph Pooling（其中的Graph Pooling部分的解释；）
26.tf.add_weight 和 tf.Variable使用例子
https://blog.csdn.net/github_39605284/article/details/118973292
27.tensorflow中相关的一些API（包含定义模型的多种方式；）
（1）https://zhuanlan.zhihu.com/p/358817050
28.部分计算机会议和期刊论文的下载方法
（1）https://blog.csdn.net/zffustb/article/details/114916952
29.Graph领域非常nice的博客！！！！！！
（1）https://dreamhomes.top/posts/202201111536/
30.tensorflow中参数初始化的一些相关知识
(1)https://blog.csdn.net/FrankieHello/article/details/79781422
(2)https://blog.csdn.net/xiaotian127/article/details/100691042
(3)https://blog.csdn.net/weixin_37479258/article/details/100767897
(4)https://blog.csdn.net/UESTC_C2_403/article/details/72327321（简单易懂）
(5)tf.get_variable()和tf.Variable()的区别（最清晰的解释）
https://tefuirnever.blog.csdn.net/article/details/89577480?
31.Line模型的详细讲解：
（1）https://blog.csdn.net/u013250861/article/details/119710684
（2）
32.tensorflow实现学习率衰减
（1）https://blog.csdn.net/weixin_43635647/article/details/100056420?
33.GNN中的高阶结构
（1）https://zhuanlan.zhihu.com/p/373965369
34.GNN综述
（1）https://blog.csdn.net/qq_34911465/article/details/88524599
35.F1-score的计算以及详细讲解
（1）https://blog.csdn.net/qq_43190189/article/details/105778058
36.VGAE论文详解
（1）https://zhuanlan.zhihu.com/p/78340397?utm_source=ZHShareTargetIDMore
（2）https://wenku.baidu.com/view/fd9578dc740bf78a6529647d27284b73f2423689.html（更简单、详细、易懂！！！）
（3）https://blog.csdn.net/qq_39388410/article/details/107895198（包含代码逐行详解。）
（4）https://blog.csdn.net/q923714892/article/details/119531815（包含代码逐行详解。）
37.tensorflow中的4中交叉熵函数：
（1）https://blog.csdn.net/xujingpilot/article/details/105004327
38.KL散度的python实现
（1）https://blog.csdn.net/qq_27782503/article/details/121830753（包含代码示例；）
39.基于GNN的属性图聚类最新研究总结
（1）https://zhuanlan.zhihu.com/p/114452245?utm_oi=73876465778688
40.稀疏矩阵的常用存储格式（COO、CSR、CSC）
（1）https://blog.csdn.net/m0_64204369/article/details/123035598
41.32种激活函数的总结：
（1）https://zhuanlan.zhihu.com/p/516728106
42.F1-score的详解
（1）https://blog.csdn.net/weixin_48185819/article/details/108195540
43.GAT以及代码详解
（1）https://blog.csdn.net/u012856866/article/details/107227491/
（2）https://blog.csdn.net/VariableX/article/details/110825537（tensorflow2.0）
（3）https://zhuanlan.zhihu.com/p/339087706?ivk_sa=1024320u
44.GNN总结（模型、应用。）
（1）https://zhuanlan.zhihu.com/p/171931071
45.GNN中的skip-connection理解
（1） https://blog.csdn.net/stranger_Ss/article/details/124503060
46.GNN中数据处理的作用以及实现
（1）https://blog.csdn.net/zfhsfdhdfajhsr/article/details/124552753（超级详细且优质！）
47.清晰图表，详尽阐述 GNN、GCN、GAE 等 5 类模型
（1）https://blog.csdn.net/XXMRXXX/article/details/100191519
48.Graph Neural Network（GAE，GVAE，ARGA）
（1）https://blog.csdn.net/qq_39388410/article/details/107895198（后期写写长论文可参考此处；）