《GNN 第3页

A Gentle Introduction to Graph Neural Networks

十多年来，研究人员已经开发出了可以处理图数据的神经网络，称为图神经网络或GNN。最近的研究提高了它们的能力和表现力。我们开始看到其在多个领域

今我来思雨霏霏_JYF·2023-11-15 07:17

论文浅尝 | 用于学习知识图谱嵌入的一种基于注意力机制的新型异构 GNN 框架HRAN...

图神经网络(GNN)作为一种有效的图表示技术，在学习图嵌入方面表现出了良好的性能。然而，KG具有异构性的

开放知识图谱·2023-11-15 06:15

专题解读｜Graph Fairness代表性工作介绍

尽管GNNs表现优异，但最近的研究表明，GNN

梦码城·2023-11-14 17:55

触摸屏【威纶通】

威纶通：cMT-FHDX-920分体式触摸屏昆仑通态：E系列经济型K系列标准型G系列高端型tpc1071gnN系列物联网屏T系列新品发布（推荐）tpc1031ti编程软件：EBproV6.08.02.500

cfqq1989·2023-11-14 09:54

使用dgl库实现GCN【官方案例】

学习目的学习使用gnn进行节点分类的基本工作流程，即预测图中节点的类别。关于GCN节点分类的综述在图数据上最流行和广泛采用的任务之一是节点分类，其中模型需要预测每个节点的真实类别。

♡Coisíní♡·2023-11-14 05:33

CS224W6.3——图深度学习

gnn通常由任意数量的层组成，而不是单层，以集成来自更大上下文的信息。介绍了如何使用gnn来解决优化问题，以及它强大的归纳能力。

阿牛大牛中·2023-11-13 15:57

CS224W6.1——介绍图神经网络GNN

之前我们讨论了一些节点嵌入技术，它们可以通过随机游走的过程学习与任务无关的特征。从这篇开始，我们介绍了令人兴奋的图神经网络技术，该技术基于图结构用多层非线性变换对节点特征进行编码。图神经网络在各种任务中表现出非凡的性能，并可以驯服图的复杂性质。文章目录1.回顾2.DeepGraphEncoders3.目标4.现代深度学习工具5.图结构深度学习1.回顾shallowembedding：2.DeepG

阿牛大牛中·2023-11-12 17:40

图神经网络（GNN）性能优化方案汇总，附37个配套算法模型和代码

图神经网络的表达能力对其性能和应用范围有着重要的影响，是GNN研究的核心问题和发展方向。增强表达能力是扩展GNN应用范围、提高性能的关键所在。

深度之眼·2023-11-12 08:49

实战-----基于 PyTorch 的 GNN 搭建

目录1.图的表示2.图卷积网络（GCN）的搭建3.图注意力网络（GAT）的搭建4.PyG基础：图数据的操作1.torch_geometric的安装2.图数据的属性3.基准图数据库及基本操作4.图数据的可视化5.实验总结1.图的表示在开始讨论特定的图神经网络操作之前，我们首先来考虑如何表示图。在数学上，图G定义为一组节点/顶点V和一组边/链接E：G=（V，E）的二元组。每条边链接两个顶点，如下图所示

海阔＆天空742·2023-11-11 11:06

【GNN】一文读懂图卷积GCN

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要14分钟跟随小博主，每天进步一丢丢“本文的内容包括图卷积的基础知识以及相关辅助理解的知识点，相信同学们看完后一定能平滑上手理解GCN！”作者：苘郁蓁来源：知乎专栏郁蓁的机器学习笔记。编辑：happyGirl整理：浅梦的学习笔记具体来说，本文包括什么：图网络的有哪些种类，它们之间的区别和联系是什么？图卷积的地位，图卷积怎么理解？有没有一个图卷积的

zenRRan·2023-11-11 11:33

DGL教程【一】使用Cora数据集进行分类

本教程将演示如何构建一个基于半监督的节点分类任务的GNN网络，任务基于一个小数据集Cora，这是一个将论文作为节点，引用关系作为边的网络结构。任务就是预测一个论文的所属分类。

vincent_hahaha·2023-11-09 00:37

论文浅尝 | DSKReG：基于关系GNN的推荐知识图谱可微抽样

笔记整理：李爽，天津大学硕士链接：https://dl.acm.org/doi/pdf/10.1145/3459637.3482092动机在信息爆炸的时代，推荐系统被广泛研究和应用，以发现用户的偏好信息。RS在冷启动时性能较差，如果将知识图谱(Knowledgegraph,KG)作为辅助信息，可以缓解冷启动问题。然而，现有的研究大多忽略了KGs中的节点度是偏移的，并且在KGs中的大量交互是推荐不相

开放知识图谱·2023-11-05 11:07

GCN火车票识别项目 P2 图卷积神经网络介绍

但人们发现了很多CNN、RNN无法解决，或者效果不好的问题——图结构数据，如社交网络、人物关系、分子结构等，所以就有了GNN网络(GraphNeuralNetworks)。

陈华编程·2023-11-04 11:14

GCNcora数据集处理-数据集转邻接矩阵

深入GNN图神经网络后，才发现对于数据集的处理是最简单的#1.导入数据importpandasaspdimportnumpyasnp#导入数据：分隔符为空格raw_data=pd.read_csv('cora

qq_51929114·2023-11-03 10:15

GNN打卡1

首先，简单回顾了图论方面的知识，其中拉普拉斯矩阵是图卷积节点嵌入的基本原理。其次，搭建了环境。最后，学习了PYG中Data和dataset的使用。data.Data类用来表示图数据集，有很多方便的函数和属性。dataset模块里面则包含了很多现成的数据集供使用。作业：classNewData(torch_geometric.data.Data):def__init__(self,node_org=

今天我伏笔了吗·2023-10-31 09:23

GNN典型模型的各阶段执行时间与算子分析

GNN模型的阶段划分参考资料：https://pytorch-geometric.readthedocs.io/en/latest/notes/create_gnn.html。

智慧的旋风·2023-10-31 09:22

GNN学习笔记——从环境搭建开始（无sudo权限的python3.7虚拟环境搭建）

GNN学习笔记从环境搭建开始（无sudo权限）1、python3.7虚拟环境的搭建2、在该环境下安装包3、环境的激活、使用和退出从环境搭建开始（无sudo权限）1、python3.7虚拟环境的搭建搭建目标

freewayyy·2023-10-31 09:49

搭建gnn环境

conda-script.py[-h][--no-plugins][-V]COMMAND...conda-script.py:error:arg-CSDN博客参考教程【精选】手把手教你在windows10安装GNN

hellolianhua·2023-10-31 09:17

港大联合百度开源通用图大模型GraphGPT：让大语言模型读懂图数据

导读图神经网络（GNN）已成为处理和学习图数据的强大工具，在社交网络分析、推荐系统、智慧城市和生物信息等多个领域带来了革命性的进展。图神经网络的核心优势在于其揭示图数据中复杂关联性的能力。

PaperWeekly·2023-10-30 15:04

图神经网络入门推荐好文（附GNN大佬资料包下载福利）

今天想和大家分享的是图卷积神经网络。随着人工智能发展，很多人都听说过机器学习、深度学习、卷积神经网络这些概念。但图卷积神经网络，却不多人提起。那什么是图卷积神经网络呢？简单的来说就是其研究的对象是图数据（Graph），研究的模型是卷积神经网络。为什么有图卷积神经网络自2012年以来，深度学习在计算机视觉以及自然语言处理两个领域取得了巨大的成功。和传统方法相比，它好在哪里呢？假设有一张图，要做分类，

极验·2023-10-28 05:43

图和图神经网络的可视化，详解与示例

图和图神经网络（GNN）的可视化是一种强大的工具，用于理解和分析复杂的图结构和图神经网络模型。1.1可视化图图结构可视化：可视化图的基本结构，包括节点和边，有助于了解图的拓扑结构。

LeapMay·2023-10-25 23:32

GNN3.1 GCN (PaperReading&Implementation)

GNN学习笔记GNN从入门到精通课程笔记3.1GCN(ICLR'17)Semi-supervisedClassificationwithGraphConvolutionalNetwork(ICLR'17

Simba14·2023-10-22 10:41

图神经网络 | 图神经网络模型

图神经网络（GNN）是深度学习领域的一个重要模型，已广泛应用于推荐系统、计算机视觉、自然语言处理、分子分析、数据挖掘和异常检测等现实场景。

码农腾飞·2023-10-21 05:02

探索LLM在图上学习的潜力10.14 暂停

在具有文本节点属性的图形上进行学习的最流行的流程主要依赖于图神经网络（GNN），并利用浅层文本嵌入作为初始节点表示，但这在通用知识和深入语义理解方面存在局限性。

露葵025·2023-10-19 13:09

论文详解笔记：Graph WaveNet for Deep Spatial-Temporal Graph Modeling

GraphWaveNetforDeepSpatial-TemporalGraphModeling一作者介绍本文的作者是悉尼科技大学的ZonghanWu博士，师从IEEEmemberShiruiPan，作者还发表了一篇GNN

小卜妞~·2023-10-19 00:34

【图神经网络】GNN 图神经网络相关知识点

关键问题1，GCN是否可以用于有向图？图卷积分为两大类，一类是基于谱方法（spectralmethods），就是将图信号进行傅里叶变换在频域进行研究，以GCN为代表的模型，但是谱方法有一个理论要求就是拉普拉斯矩阵L要求为对称矩阵，L=D-A，即图为无向图才能满足；二类，是基于空域的研究方法（spatialmethods），以GraphSage为代表的模型，空域是不分有向图和无向图的，均可以计算；因

kang0709·2023-10-17 03:17

GNN basic--模型通用流程和分类

GNN的常见模块：(1)传播模块(PropagationModule)。传播模块用于在节点之间传播信息，以便聚合邻居节点的特征信息和拓扑信息。(2)采样模块(SamplingModule)。

qq_38480311·2023-10-16 15:00

MPNN 模型：GNN 传递规则的实现

首先，假如我们定义一个极简的传递规则A是邻接矩阵，X是特征矩阵，其物理意义就是通过矩阵乘法操作，批量把图中的相邻节点汇聚到当前节点。但是由于A的对角线都是0.因此自身的节点特征会被过滤掉。图神经网络的核心是吸周围之精华，再叠加自身，因而需要改进来保留自身特征。如何做？方法是给每个节点添加一个自环，即将邻接矩阵对角线值各加1，此时用表示，做到了聚合邻居节点并保留自身信息。但是当图过于复杂时，聚合邻居

qq_38480311·2023-10-16 15:55

GNN学习4：节点预测与边预测

数据完全存于内存的数据集类InMemoryDataset基类简介构造函数的输入参数：root：根文件夹，它指示数据集应该被保存在哪里。在根目录下至少有两个文件夹：1.一个文件夹为raw_dir，它用于存储未处理的文件，从网络上下载的数据集文件会被存放到这里。2.另一个文件夹为processed_dir，处理后的数据集被保存到这里。transform：可以为None，transform函数接受Dat

lukem44·2023-10-14 14:16

常见的机器学习算法与人工神经网络

目录1.邻近算法K-NearesNeighbor(KNN)1.1KNN算法核心思想1.2KNN算法步骤1.3KNN预测分类2.图神经网络GraphNeuralNetworks(GNN)2.1图的基本定义

_Q1an·2023-10-13 14:50

图神经网络笔记总结

本文的所有图表均来自于https://distill.pub/2021/gnn-intro/图神经网络：GNN首先我们需了解图结构是什么？

wcc8848·2023-10-13 09:12

图神经网络笔记

三维点云数据以及数据中各个单元之间的结构，研究人员借鉴了卷积神经网络、循环神经网络和深度自编码器的思路，设计了专门用于处理图结构数据的神经网络，称之为图神经网络（GraphNeuralNetwork，简称GNN

抱抱宝·2023-10-13 09:36

文献阅读 GNN -How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey

[1]J.Ye,J.Zhao,K.Ye,andC.Xu,‘HowtoBuildaGraph-BasedDeepLearningArchitectureinTrafficDomain:ASurvey’,IEEETrans.Intell.Transport.Syst.,vol.23,no.5,pp.3904–3924,May2022,doi:10.1109/TITS.2020.3043250.这是一篇

qq_38480311·2023-10-11 00:04

GNN+RA 文献阅读

[1]X.Wangetal.,‘ScalableResourceManagementforDynamicMEC:AnUnsupervisedLink-OutputGraphNeuralNetworkApproach’.papercode：GitHub-UNIC-Lab/LOGNN:Thisisthecodeforpaper"ScalableResourceManagementforDynamicM

qq_38480311·2023-10-11 00:31

【论文翻译 IJCAI-20】Heterogeneous Network Representation Learning 异构网络表示学习

文章目录摘要1引言2异构网络挖掘3异构网络表示3.1异构网络嵌入3.2异构图神经网络3.3知识图谱与属性网络3.4应用4挑战、方向和开源数据4.1未来方向避免设计元路径多感官（Multi-sense）表示异构GNN

林若漫空·2023-10-10 22:21

QA-GNN: Reasoning with Language Models and Knowledge Graphsfor Question Answering

题目：QA-GNN：使用语言模型和知识图进行问答推理作者：MichihiroYasunaga、HongyuRen、AntoineBosselut、PercyLiang、JureLeskovec发布地方：

SU_ZCS·2023-10-08 19:24

GNN-频域-2014：Spectral Networks and Locally Connected Networks on Graphs（频谱图卷积神经网络）【第一篇从频域角度分析】

《原始论文：SpectralNetworksandLocallyConnectedNetworksonGraphs》空域卷积非常直观地借鉴了图像里的卷积操作，但缺乏一定的理论基础。而频域卷积则不同，相比于空域卷积而言，它主要利用的是**图傅里叶变换(GraphFourierTransform)**实现卷积。简单来讲，它利用图的**拉普拉斯矩阵(Laplacianmatrix)**导出其频域上的的拉

u013250861·2023-10-05 23:37

PyG (PyTorch Geometric) GNN 笔记

https://pytorch-geometric.readthedocs.io/en/latest/index.htmlINTRODUCTIONBYEXAMPLEhttps://pytorch-geometric.readthedocs.io/en/latest/notes/introduction.htmlAgraphisusedtomodelpairwiserelations(edges)b

光子乘羽·2023-10-02 21:41

GNN Code Tips

目录1.重置label取值范围2.根据多个labelstensor从整体label数据中提取特定数据。3.构建GeometricGATConv和GCNConv的edge_index4.为GCNConv从全部edgeindex抽取指定的batchedgeindex4.1extractbatchedgeindexforfullnodes4.2extractbatchedgeindexforbatchn

天狼啸月1990·2023-10-02 21:41

GNN advanced knowledge

1.BP时注意lossvalue避免构建的GNNmodel在BP时陷入梯度消失或梯度爆炸，这都会导致modelperformance很差。修正方法：Batchnormalizationtorch.nn.BatchNorm1d()激活函数torch.nn.ELU();torch.nn.ReLU();torch.nn.Sigmoid()目标时将BPlossvalue限定在20-40之间Notethat

天狼啸月1990·2023-10-02 21:41

GNN PyG~torch_geometric 学习理解

目录1.PyGIntroduction2.PyGInstallation2.1PyG安装常见错误及原因2.2PyG具体安装步骤3.torch_geometricpackagestorch_geometric.data.DataDataset与DataLoaderDropout、BatchNorm3.torch_geometric:理解edge_index3.1理解mini-batchedgeind

天狼啸月1990·2023-10-02 21:10

图神经网络GNN(一）GraphEmbedding

DeepWalk使用随机游走采样得到每个结点x的上下文信息，记作Context(x)。SkipGram优化的目标函数：P(Context(x)|x;θ)θ=argmaxP(Context(x)|x;θ)DeepWalk这种GraphEmbedding方法是一种无监督方法，个人理解有点类似生成模型的Encoder过程，下面的代码中，node_proj是一个简单的线性映射函数，加上elu激活函数，可以

天津泰达康师傅·2023-10-02 16:04

Task 01 简单图论与环境配置

参考链接：https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN/Markdown%E7%89%88%E6%9C%AC/2

沫2021·2023-10-01 10:36

优化｜深度学习或强化学习在组合优化方面有哪些应用？

，是由于其结合了强化学习(Reinforcementlearning)强大的决策(decision-making)能力和深度学习(deeplearning)的各种模型(RNN、Transformer、GNN

人工智能学家·2023-09-30 05:44

【Graph Net学习】GNN/GCN代码实战

一、简介GNN（GraphNeuralNetwork）和GCN（GraphConvolutionalNetwork）都是基于图结构的神经网络模型。

BoostingIsm·2023-09-25 10:02

图神经网络（GNN）最新顶会论文汇总【附源码】

得益于强大的建模和分析能力，图神经网络（GNN）在社交网络分析、推荐系统、知识图谱、文本分析、等诸多领域得到了广泛的应用，目前已成为了人工智能领域的热门研究方向。

深度之眼·2023-09-23 07:20

第八课.TPAMI2021年多篇GNN相关工作

目录Topology-AwareGraphPoolingNetworksGraphNeuralNetworkswithConvolutionalARMAFiltersLearningGraphConvolutionalNetworksforMulti-LabelRecognitionandApplications补充内容DeepWalk（KDD2014）GraphSAGE（nips2017）本次内

tzc_fly·2023-09-21 12:31

第六课.GNN的可解释性

目录CNN的可解释性深度学习中的可解释性CNN可解释性的研究模仿人类视觉：ThisLooksLikeThat:DeepLearningforInterpretableImageRecognition从参数角度研究：HowFunctionsEvolveinDeepConvolutionalNeuralNetworkImage到Graph的过渡：InterpretingCNNKnowledgeviaA

tzc_fly·2023-09-21 12:30

图神经网络GNN GCN AlphaFold2 虚拟药物筛选和新药设计

文章目录图神经网络1.GeometricDeepLearningRepresentationlearning表征学习机器学习的数据类型：序列、网格、图引出GNN2.GraphNeuralNetworksMachineLearningLifecyclelearninggraphishardFeatureLearninginGraphsWaystoAnalyzeNetworksANaiveApproa

丸丸丸子w·2023-09-21 01:36

Distill学习计划-GNN的通俗解释

AGentleIntroductiontoGraphNeuralNetworks译自非常好的一篇博客，原文链接本文旨在探索如何利用图的结构和特性构建出图神经网络(graphneuralnetwork,GNN

RWLinno·2023-09-20 09:42

推荐频道

《GNN