CS224W5.2——Relational and Iterative Classification

本节中,我们介绍用于节点分类关系分类器迭代分类

  • 从关系分类器开始,我们展示了如何基于邻居的标签迭代更新节点标签的概率。
  • 然后讨论迭代分类,通过根据邻居的标签及其特征预测节点标签来改进集体分类。

文章目录

  • 1. 框架
  • 2. 关系分类
  • 3. 迭代分类
  • 4. 总结

1. 框架

CS224W5.2——Relational and Iterative Classification_第1张图片

2. 关系分类

CS224W5.2——Relational and Iterative Classification_第2张图片

此时,不需要节点特征信息。

如何去做更新:

CS224W5.2——Relational and Iterative Classification_第3张图片

举例:

初始化:

CS224W5.2——Relational and Iterative Classification_第4张图片

更新节点3:

CS224W5.2——Relational and Iterative Classification_第5张图片

在更新节点3之后更新节点4:

CS224W5.2——Relational and Iterative Classification_第6张图片

再更新节点5:

CS224W5.2——Relational and Iterative Classification_第7张图片

经过第一轮迭代更新后:

CS224W5.2——Relational and Iterative Classification_第8张图片

经过第2轮迭代更新后:

CS224W5.2——Relational and Iterative Classification_第9张图片

经过第3轮迭代更新后:

CS224W5.2——Relational and Iterative Classification_第10张图片

经过第4轮迭代:

CS224W5.2——Relational and Iterative Classification_第11张图片

收敛:

CS224W5.2——Relational and Iterative Classification_第12张图片

以上是关系分类,它仅仅基于每个节点的标签,而没有用到每个节点的特征信息。

3. 迭代分类

CS224W5.2——Relational and Iterative Classification_第13张图片

CS224W5.2——Relational and Iterative Classification_第14张图片

CS224W5.2——Relational and Iterative Classification_第15张图片

迭代分类的架构:

CS224W5.2——Relational and Iterative Classification_第16张图片

举例:

CS224W5.2——Relational and Iterative Classification_第17张图片

CS224W5.2——Relational and Iterative Classification_第18张图片

CS224W5.2——Relational and Iterative Classification_第19张图片

第一步:

CS224W5.2——Relational and Iterative Classification_第20张图片

第二步:

CS224W5.2——Relational and Iterative Classification_第21张图片

CS224W5.2——Relational and Iterative Classification_第22张图片

第三步:

CS224W5.2——Relational and Iterative Classification_第23张图片

CS224W5.2——Relational and Iterative Classification_第24张图片

继续迭代直至收敛:

CS224W5.2——Relational and Iterative Classification_第25张图片

CS224W5.2——Relational and Iterative Classification_第26张图片

4. 总结

CS224W5.2——Relational and Iterative Classification_第27张图片

你可能感兴趣的:(图神经网络,机器学习,人工智能,神经网络,知识图谱,推荐算法)