CS224W5.1——消息传递和节点分类

从之前的文中,学习了如何使用图表示学习进行节点分类。在这节中,将讨论另一种方法,消息传递。将引入半监督学习,利用网络中存在的相关性来预测节点标签。其中一个关键概念是集体分类,包括分配初始标签的局部分类器捕获相关性的关系分类器传播相关性的集体推理3个步骤。

文章目录

  • 1. 主线任务
  • 2. 图中的相关性
    • 2.1 同质性
    • 2.2 影响
  • 3. 图节点分类
  • 4. 动机
  • 5. 半监督学习
  • 6. 集体分类
  • 7. 问题设定
  • 8. 总结与后续

1. 主线任务

CS224W5.1——消息传递和节点分类_第1张图片

举例而言,半监督学习的节点分类任务

CS224W5.1——消息传递和节点分类_第2张图片

CS224W5.1——消息传递和节点分类_第3张图片

2. 图中的相关性

CS224W5.1——消息传递和节点分类_第4张图片

CS224W5.1——消息传递和节点分类_第5张图片

2.1 同质性

CS224W5.1——消息传递和节点分类_第6张图片

CS224W5.1——消息传递和节点分类_第7张图片

2.2 影响

CS224W5.1——消息传递和节点分类_第8张图片

3. 图节点分类

CS224W5.1——消息传递和节点分类_第9张图片

4. 动机

CS224W5.1——消息传递和节点分类_第10张图片

CS224W5.1——消息传递和节点分类_第11张图片

5. 半监督学习

CS224W5.1——消息传递和节点分类_第12张图片

CS224W5.1——消息传递和节点分类_第13张图片

6. 集体分类

CS224W5.1——消息传递和节点分类_第14张图片

CS224W5.1——消息传递和节点分类_第15张图片

CS224W5.1——消息传递和节点分类_第16张图片

7. 问题设定

CS224W5.1——消息传递和节点分类_第17张图片

8. 总结与后续

CS224W5.1——消息传递和节点分类_第18张图片

你可能感兴趣的:(图神经网络,分类,数据挖掘,人工智能,推荐算法,深度学习,神经网络)