【GNN】

隐语小课丨「论文研究」隐私保护纵向联邦图神经网络

隐语团队与浙江大学等团队的论文针对数据垂直分割场景提出了VFGNN模型，以完成隐私保护的节点分类任务，并且该算法可拓展于其他GNN模型，对广泛解决实际业务
隐语SecretFlow·2022-12-30 20:03

【论文导读】-Vertically Federated Graph Neural Network for Privacy-Preserving Node Classification纵向联邦图神经网络

生成局部节点嵌入3.生成全局节点嵌入4.采用DP增强隐私论文信息原文地址：https://www.ijcai.org/proceedings/2022/0272.pdf摘要GraphNeuralNetwork(GNN
1 + 1=王·2022-12-30 20:31

[GNN论文阅读]DeepGCNs: Can GCNs Go as Deep as CNNs?

一、主要工作基本思路和解决的任务：CNN可以深卷而获得较好的性能，然不能表示非欧氏空间的数据。GCN可以表非欧氏空间的图，然因梯度消失（过平滑，节点特征趋于一致）不能深卷（彼时降维、减少计算量和参数个数的作用；增大感受野（透过输出的一个点看到区域的所有点）。因其定义方式，它具有一定的平移旋转放缩不变形（只要没弄出区域）。此文在每层特征空间用Dilatedk-NNfuncntion增加感受野。最近的
明天又是好吃的一天v·2022-12-30 09:04

图神经网络16-DGL实战：构建图神经网络（GNN）模块

1DGLNN模块的构造函数构造函数完成以下几个任务：设置选项。注册可学习的参数或者子模块。初始化参数。importtorch.nnasnnfromdgl.utilsimportexpand_as_pairclassSAGEConv(nn.Module):def__init__(self,in_feats,out_feats,aggregator_type,bias=True,norm=None,a
致Great·2022-12-30 08:38

GNN 系列：图神经网络的“开山之作”GCN模型

【导读】这是我们介绍图神经网络的第一篇文章，取自Kipfetal.2017，文章中提出的模型叫GraphConvolutionalNetwork(GCN)，个人认为可以看作是图神经网络的“开山之作”，因为GCN利用了近似的技巧推导出了一个简单而高效的模型，使得图像处理中的卷积操作能够简单得被用到图结构数据处理中来，后面各种图神经网络层出不穷，或多或少都受到这篇文章的启发。目录1、问题定义2、图上的
weixin_38753768·2022-12-30 08:36

GNN动手实践(二)：复现图注意力网络GAT

参考论文：GraphAttentionNetworks一.前言GAT（图注意力网络）是GNNs中重要的SOTA模型，该模型是从空域角度来进行定义，能够用消息传递范式来进行解释。GAT与GCN最大的不同便是它在图节点邻域聚合的过程中引入了注意力机制来计算邻居对当前正在聚合的节点的重要程度。本文的内容包括：图注意力网络的架构介绍、基于PyG来复现GAT模型。二.GAT架构介绍正如第一节中介绍的那样，G
斯曦巍峨·2022-12-30 08:05

【图神经网络实战】深入浅出地学习图神经网络GNN（下）

文章目录一、GraphAttentionNetwork1.1图注意力机制作用与方法1.2Attention计算1.3GraphAttention做了什么二、序列图神经网络TGCN2.1序列图神经网络TGCN的应用2.2序列图神经网络细节（实例：交通流量预测）2.2.1交通场景示意图2.2.2根据道路和传感器构建图2.2.3构建序列输入2.2.4套用RNN模型本文为学习产物，学习链接（如有侵权，请告
WSKH0929·2022-12-30 08:33

知识图谱类产品-开题报告构想（一）

知识图谱类产品-开题报告构想整体技术路线是GNN，降低前期语料的爬取成本，化团队力量为自己用，开始日益发现团队力量的重要性，在一个团队中可以相互成就一个产品，形成能力的互补和简历的递进，but像去年那种技术组的过于分裂
HIT_SunJiankun·2022-12-30 05:33

个人整理。

许多最近基于GNN的研究对BPR损失进行了实验，并将负采样率设置为一个较小的值（每个正用户采样1或10个负样本一对），这样可以证明他们提出的交互编码器的优越性，但他们忽略了损失函数和负采样在CF模型学习中的重要性
花翎狮子·2022-12-30 01:29

DGL教程【四】使用GNN进行链路预测

在之前的介绍中，我们已经学习了使用GNN进行节点分类，比如预测一个图中的节点所属的类别。这一节中我们将教你如何进行链路预测，比如预测任意两个节点之间是不是存在边。
vincent_hahaha·2022-12-30 01:52

CNN已老，GNN来了：重磅论文讲述深度学习的因果推理

https://www.toutiao.com/a6692922162493260302/本文讲述了DeepMind联合谷歌大脑、MIT等机构27位作者发表重磅论文，提出“图网络”（Graphnetwork），将端到端学习与归纳推理相结合，有望解决深度学习无法进行关系推理的问题。作为行业的标杆，DeepMind的动向一直是AI业界关注的热点。最近，这家世界最顶级的AI实验室似乎是把他们的重点放在了
喜欢打酱油的老鸟·2022-12-29 19:17

DeepMind研究者将范畴论、抽象代数组合，发现GNN与DP之间的联系

©作者|机器之心编辑部来源|机器之心图神经网络(GNN)与动态规划(DP)之间的关系应该如何描述？
PaperWeekly·2022-12-29 19:39

DeepMind | 70分钟了解图神经网络，图注意力网络一作带来最「自然」的GNN讲解

图神经网络（GNN）是机器学习中最热门的研究方向之一，在提出后的十几年里被不断扩展，先后发展出了图卷积网络、图注意力网络、图自编码器、图生成网络和图时空网络等多个子领域。
机器学习算法那些事·2022-12-29 19:37

DeepMind：用 GNN 学习通用推理算法

文|智商掉了一地小孩子才做选择，我的模型全！都！要！近年来，基于深度神经网络的机器学习系统取得了巨大进步，尤其是在以感知为主的任务上。这一领域表现突出的模型通常要在分布中进行泛化，意味着它们的训练和验证集代表了测试输入的预期分布。相比之下，要真正掌握由推理主导的任务，即使是在分布外泛化(OOD)时，模型也需要提供合理的输出。然而大多数的神经网络在该领域的成功程度较低，虽然近年来这一领域的方法改进激
夕小瑶·2022-12-29 19:34

GNN与Transformer融合促进药物发现 | 2022几何&图机器学习展望

导读：几何机器学习和基于图的机器学习是当前最热门的研究课题之一。在过去的一年中，该领域的研究发展迅猛。在本文中，几何深度学习先驱MichaelBronstein和PetarVeličković合作，采访了多位杰出的领域专家，总结了该领域过去一年中的研究亮点，并对该方向在2022年的发展趋势进行了展望。本文为《2021几何&图机器学习大盘点|几何深度学习先驱MichaelBronstein长文解读》
智源社区·2022-12-29 19:34

学习笔记·GNN & GCN

学习笔记·GNN博文介绍GNNGNN的流程聚合更新循环GCN公式推导(物理意义)理解GCN，卷积从何而来类比图片博文介绍对于初学者来说，GNN还是好理解的，但是对于GCN来说，我刚开始根本不理解其中的卷积从何而来
星光点点wwx·2022-12-29 14:41

NCL:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning，代码解读

一、前言1、背景（1）用户-项目交互数据通常是稀疏或嘈杂的，并且它可能无法学习可靠的表示，因为基于图的方法可能更容易受到数据稀疏性的影响（2）现有的基于GNN的CF方法依赖于显式交互链接来学习节点表示，
只想做个咸鱼·2022-12-29 13:09

图对比学习的应用（NCL，SimGRACE，ClusterSCL）

图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN）图神经网络用于推荐系统问题（NGCF，LightGCN）图神经网络用于推荐系统问题（IMP-GCN，LR-GCN）图神经网络用于推荐系统问题
上杉翔二·2022-12-29 13:57

论文笔记：WWW 2020 Heterogeneous Graph Transformer

但是，大多数GNN为同构图设计，同构图中所有的节点和边都属于相同的类型，这使得它们无法表示异构结构。本文中提出了一种异构图转换器(HGT)体系结构来建模网络规模的异构图。为了
饮冰l·2022-12-29 13:08

「实操」结合图数据库、图算法、机器学习、GNN 实现一个推荐系统

本文是一个基于NebulaGraph上图算法、图数据库、机器学习、GNN的推荐系统方法综述，大部分介绍的方法提供了Playground供大家学习。
·2022-12-29 12:56

论文笔记--Position-aware Graph Neural Networks

现存的GNN都无法获取点的位置信息，不能很好的处理同构的点，作者提出一种用于计算位置感知节点嵌入的新型图形神经网络P-GNN（位置感知图神经网络），用于解决这个问题。
chenxino·2022-12-28 23:28

pytorch_geometric环境配置二 — pytorch_geometric

根据pytorch_geometric环境配置一安装好pytorch之后，便可安装pytorch_geometric进行GNN的学习了。接下来介绍pytorch_geometric如何进行安装。
咯咯哒哒哒哒哒·2022-12-28 17:10

GNN基础知识点（斯坦福大学CS224W）

N指节点或定点E指链接或边界、边缘G(N,E)指的是系统|N|=4指的是节点的个数|E|指的是链接的个数
爱吹口哨的夜莺·2022-12-28 12:53

GNN 系列：Graph 基础知识介绍

【导读】图卷积神经网络(GraphConvolutionalNetwork)作为最近几年兴起的一种基于图结构的广义神经网络结构，因为其独特的计算能力，而受到广泛学者的关注与研究。传统深度学习模型LSTM和CNN在欧几里得空间数据(语言，图像，视频等)上取得了不错的成绩，但是在对非欧几里得空间数据(eg：社交网络、信息网络等)进行处理上却存在一定的局限性。针对该问题，研究者们引入了图论中抽象意义上的
weixin_38753768·2022-12-28 12:22

GNN学习笔记（1）——信号与系统基础知识

本文主要是我在学习GNN的时候补充的信号与系统的内容，暂且本文的内容够用，如果后续还有那就后面补充。我看这部分内容没有做数学推导，主要是考虑在应用层面的内容，最主要的在于理解这是个什么东西。
野指针小李·2022-12-28 12:21

GNN algorithms(3): Tri-party Deep Network Representation

目录Tri-partyDeepNetworkRepresentationEssenceThinkingAbstractIntroductionProblemDefinitionTri-DNRpipelinesModelArchitectureTri-partyDeepNetworkRepresentationEssence1)Deepwalk提取graphstructure信息，即structur
天狼啸月1990·2022-12-28 12:50

图神经网络（GNN）基础

提示：用作学习笔记，顺便分享，侵删文章目录前言一、图的基本概念1.图的表示2.图的实例3.图的应用4.使用图面临的挑战二、图神经网络基础（GNN）1.最简单的GNN2.pooling操作（汇集操作）3.
leener-Y·2022-12-28 12:49

机器学习Day3-GNN基础

激活函数Sigmodsigmod的函数是一个在生物学中常见的S型函数，也称为S型生长曲线。在信息科学中，由于其单增以及反函数单增等性质，常被用作神经网络的激活函数，将变量映射到0,1之间。sigmod函数也叫作Logistic函数，用于隐层神经单元输出，取值范围为（0,1），它可以将一个实数映射到（0,1）的区间，可以用来做二分类。在特征相差比较复杂或者相差不是特别大的时候效果比较好。激活函数激活
不会做题正电荷·2022-12-28 12:47

GNN基础知识

1.泰勒公式背景background有一个很复杂的方程，我们直接计算方程本身的值可能非常麻烦。所以我们希望能够找到一个近似的方法来获得一个足够近似的值本质：近似，求一个函数的近似值onepointis近似的方法anotherpointis近似的精度泰勒公式原理通过斜率逼近原理：经典的导数图，从上图可以看到，随着△x减小，间p0和点p也会越来越接近，这就带来了△y越来越接近△x·f'(x0)。当然，
天狼啸月1990·2022-12-28 12:46

实体对齐（一）：MuGNN

文章目录一.摘要二.背景介绍1.结构的异质性2.有限的种子对齐三.MuGNN1.预备知识1）KG2）规则知识3)规则接地4）实体对齐2.框架1)KG补全2)多通道GNN3.KG补全3.1规则推理和转换3.2
J_Xiong0117·2022-12-28 10:45

attention机制

参考视频：【Attention注意力机制】激情告白transformer、Bert、GNN的精髓attetion就是权重，权重就是attentionTransformer、BERT、GPT等等这几年最流行的
verse_armour·2022-12-28 10:39

一文详解图对比学习（GNN+CL）的一般流程和最新研究趋势

随着对比学习（ContrastiveLearning）在CV、NLP等领域大放异彩，其研究热度近年来也逐步走高。在图学习领域，由于图（Graph）数据也存在缺少标签或难以标注的问题，自2020年来，研究者们也着力于将对比学习技术应用于图表示学习任务上，取得了十分不错的效果，这一系列算法研究称为图对比学习（GraphContrastiveLearning）。由于图是一种离散的数据结构，且一些常见的图
处女座程序员的朋友·2022-12-28 07:56

「实操」结合图数据库、图算法、机器学习、GNN 实现一个推荐系统

本文是一个基于NebulaGraph上图算法、图数据库、机器学习、GNN的推荐系统方法综述，大部分介绍的方法提供了Playground供大家学习。
·2022-12-27 19:37

跟李沐学AI：A Gentle Introduction to Graph Neural Networks（图神经网络GNN）

跟李沐学AI：AGentleIntroductiontoGraphNeuralNetworks1.Intro2.Whatagraphis2.1图表示的例子2.2图中三个层面的问题2.2.1graph-level2.2.2Node-level2.2.3Edge-level2.3在图上使用机器学习的挑战3.GraphNeuralNetworks3.1一个简单的例子3.2信息传递3.3学习边的表示3.4
cosθ·2022-12-27 13:44

lstm原始论文_论文盘点：基于图卷积GNN的多目标跟踪算法解析

©PaperWeekly原创·作者｜黄飘学校｜华中科技大学硕士研究方向｜多目标跟踪随着这两年GNN的发展，其对于关系的建模特性也被引入了多目标跟踪领域，这次我通过对这两年基于GNN的MOT算法的介绍来分析其特点
weixin_39793638·2022-12-27 02:29

Windows下torch_geometric的CPU版本安装

学习GNN的时候尝试在线安装torch_geometric，自己安装过程中出现了挺多问题，找到官网后按照其指示最后成功在线安装（官网链接：torch-geometric·PyPI)以下是我的安装流程：先激活环境
五氧化二钒·2022-12-26 12:22

Pytorch中GNN的基类torch_geometric.nn.conv.MessagePassing

MessagePassing是torch_geometric中GNN模型的基类，实现了下面的消息传递公式要继承这个类，需要复写三个函数：propagate(edge_index,size=None)message
lmb633·2022-12-26 11:14

GNN学习笔记（六）：Cluster-GCN：一种用于训练深度和大型图卷积网络的高效算法

引言普通的基于SGD的图神经网络的训练方法，存在着以下问题：问题1：计算成本较大问题。随着图神经网络层数增加，计算成本呈指数增长。问题2：内存消耗巨大问题。保存整个图的信息和每一层每个节点的表征到内存（显存）而消耗巨大内存（显存）空间。解决措施：方法1：无需保存整个图的信息和每一层每个节点的表征到GPU内存（显存）的方法。方法1存在的问题：可能会损失预测精度或者对提高内存的利用率并不明显。方法2：
唠叨小主·2022-12-26 11:15

异构图神经网络（4）Graph Transformer Networks

Motivation最近关于异构图嵌入学习的方法都是设计meta-path，基于meta-path将异构图划分成多个同构图，然后再用传统的GNN处理同构图。
文件夹66·2022-12-26 00:46

图神经网络的解释性综述！

 Datawhale干货 来源：纪厚业，北京邮电大学，图与推荐编辑：数据派THU本文约1.5w字，干货满满，建议收藏本文对近期提出的GNN解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。
机器学习算法那些事·2022-12-25 21:21

【KGAT】Knowledge Graph Attention Network for Recommendation

其实不结合KG，何向南团队之前也直接使用GNN做了NGCF和LightGCN。
山顶夕景·2022-12-25 18:46

pytorch稀疏矩阵

因为我是做GNN的，在图中存储邻接矩阵时如果使用矩阵是相当浪费的，因为矩阵中绝大多数元素都是0，这时我们可以使用稀疏矩阵来存储数据，使用稀疏矩阵之后，不仅能节省内存，而且pytorch为这种矩阵的运算进行了优化
canaryW·2022-12-25 09:37

自然语言处理NLP——图神经网络与图注意力模型（GNN、GCN、GAT）

目录系列文章目录一、图神经网络1.图与图嵌入2.GNN动机2.1CNN的缺陷与非结构性数据2.2图嵌入的缺陷3.GNN详解3.1GNN简介3.2GNN模型3.3GNN框架3.4GNN局限与优化二、图卷积神经网络
@李忆如·2022-12-25 08:24

知识图谱-生物信息学-医学顶刊论文(Bioinformatics-2021)-KG4SL:用于人类癌症SL预测的知识GNN

5.(2021.7.12)Bioinformatics-KG4SL:用于人类癌症SL预测的知识GNN论文标题：KG4SL:knowledgegraphneuralnetworkforsyntheticlethalitypredictioninhumancancers
Cheng_0829·2022-12-25 03:46

图神经网络15-Text-Level-GNN:基于文本级GNN的文本分类模型

TextLevelGraphNeuralNetworkforTextClassification论文地址：https://arxiv.org/pdf/1910.02356.pdf论文代码：https://github.com/yenhao/text-level-gnn
致Great·2022-12-24 20:26

图神经网络（GNN）模型原理及应用综述

从数据结构到算法：图网络方法初探论文《GraphNeuralNetworks:AReviewofMethodsandApplications》木牛马论文阅读笔记https://www.cnblogs.com/ydcode/p/11050417.htmlhttps://zhuanlan.zhihu.com/p/102994627?utm_source=wechat_session文章目录图神经网络（
·2022-12-24 20:56

图神经网络（六）GNN的应用简介（1）GNN的应用简述

图神经网络（六）GNN的应用简介（1）GNN的应用简述第6章GNN的应用简介6.1GNN的应用简述参考文献第6章GNN的应用简介 由于图数据具有及其广泛的使用场景，GNN这项技术的相关应用近年来也得到了长足发展
炎武丶航·2022-12-24 20:26

「基于GNN的图分类研究」最新2022综述

图数据广泛存在于现实世界中,可以自然地表示复合对象及其元素之间的复杂关联.对图数据的分类是一个非常重要且极具挑战的问题,在生物/化学信息学等领域有许多关键应用,如分子属性判断,新药发现等.但目前尚缺乏对于图分类研究的完整综述.首先给出图分类问题的定义和该领域的挑战;然后梳理分析了两类图分类方法—基于图相似度计算的图分类方法和基于图神经网络的图分类方法;接着给出了图分类方法的评价指标、常用数据集和实
Evan-yzh·2022-12-24 20:55

graph学习，GNN综述

GCN本质目的是提取拓扑图的空间特征。GCN本质laplacian矩阵（属于频域的embedding），图中的每个节点无时无刻不因为邻居和更远的点的影响而改变着自己的状态知道最终的平衡，关系越亲近的邻居影响越大。拉普拉斯算子不仅表现的是一种二阶导数的运算，另一方面，它表现了一种加和性。下面基于对各类综述文章和博客总结，汇总如下。图的结构可以认为是无限维的一种数据，所以他没有平移不变性。每一个节点的
BJ小福星·2022-12-24 20:24

论文阅读笔记《Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种采用图神经网络GNN的小样本学习算法，本质上还是一种学习参数更新策略的元学习算法，使得模型参数能够根据在基础数据集上得到的模型和少量的新样本进行更新
深视·2022-12-24 20:23
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他