GNN图神经网络第22页

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

赫凯·2022-12-30 09:56

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

图神经网络基础--基于图神经网络的图表征学习方法

图神经网络基础–基于图神经网络的图表征学习方法引言在此篇文章中我们将学习基于图神经网络的图表征学习方法，图表征学习要求根据节点属性、边和边的属性（如果有的话）生成一个向量作为图的表征，基于图表征我们可以做图的预测

发呆的比目鱼·2022-12-30 08:37

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

weixin_38753768·2022-12-30 08:36

GRAPH ATTENTION NETWORKS图注意力网络（深入浅出图神经网络）

GRAPHATTENTIONNETWORKS图注意力网络(GAT)ICLR2018,GraphAttentionNetwork论文详解图注意力机制神经网络基本原理和代码解读

ysh9888·2022-12-30 08:06

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

图神经网络有哪些用途和应用?

近几年来，图神经网络可以说是处于的风口的一项新兴技术，相信大家或多或少对图神经网络都有所了解。今天本文主要来和大家讲讲图神经网络的强大能力，为大家具体分析一下它的用途和应用。

程序媛珂珂·2022-12-30 08:34

我想让你成为香饽饽，图神经网络从入门到实战！

基于此，图神经网络应运而生。它的核心在于重新定义及设计了用于处理图数据的神经网络结构。2020年起，图神经网络

实验楼v·2022-12-30 08:34

【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

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

利用图神经网络进行社交机器人检测

目录目标：数据：结构：数据和代码：社区发现：目标：理解并掌握方法数据：外网数据源，github上可下载已处理过的数据结构：lDidegah(2018年)数据集，包含各种属性，包括替代指标和推文标识、作者姓名、作者标识、关注者数量以及指示用户是机器人还是人类的相关标签。这个数据集包含总共4540个带注释的用户，其中269个是已识别的机器人，包括混合用户。由于带注释的数据集不包含ATSN的推文网络相关

囇殇·2022-12-29 22:09

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

顶会快讯 | 两篇多图神经网络学习跨域表示文章推荐

导读：本期论文分享两篇多图神经网络学习跨域表示的文章，一篇是图节点分类任务，另一篇是推荐任务的。

weixin_45519842·2022-12-29 13:37

图神经网络+对比学习，下一步去哪？

机构｜中国人民大学高瓴人工智能学院研究方向｜图机器学习与推荐系统本文介绍的是图对比学习的研究趋势。文章也同步发布在AIBox知乎专栏（知乎搜索AIBox专栏），欢迎大家在知乎专栏的文章下方评论留言，交流探讨！转载本文请注明来源RUCAIBox。1.引言随着对比学习（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

处女座程序员的朋友·2022-12-29 13:03

AF-GCL：不需要增强的图对比学习

©作者|GeorgeM学校|北京大学研究方向|图神经网络论文标题：Augmentation-FreeGraphContrastiveLearning论文链接：https://arxiv.org/abs/

PaperWeekly·2022-12-29 13:28

图对比学习的应用（NCL，SimGRACE，ClusterSCL）

博主以往已经整理过图神经网络用于推荐系统，整理过对比学习用于推荐系统。

上杉翔二·2022-12-29 13:57

论文笔记：WWW 2020 Heterogeneous Graph Transformer

1.前言论文链接：https://arxiv.org/abs/2003.01332github：https://github.com/acbull/pyHGT近年来，图神经网络(GNNs)在结构化数据建模方面取得了巨大的成功

饮冰l·2022-12-29 13:08

湖大2022秋数据挖掘期末作业

注意一下：要求用图神经网络，但是我没写过图神经网络，用的是普通的神经网络，所有的层都是全连接层。

圆大侠·2022-12-29 13:35

「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

Position-aware 图神经网络

结点嵌入的三种方法：图神经网络方法矩阵分解方法随机游走方法下面讲讲图神经网络的方法：在图神经网络框架里，结点嵌入式通过一系列非线性图卷积、池化等操作实现。

欧阳AI锋·2022-12-28 23:59

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

Datawhale 图神经网络 Task01简单图论与环境配置与PyG库

1.简单图论用neo4j生成了一张图用以简单的了解图以及其背后的知识。首先，这张图有两种元素构成，节点和边，对应的就是实体和关系。然后节点油分为两类，一类是人，另一类是电影。图其实就是把语言以图的形式表现出来，重点是强调各个个体之间的关系，在这个万物互联的时代，图显得更加贴切实际了。自然而然的想到，图会包含节点属性，边属性，行走连同等等方面的特点，这都是为了充分考虑图的特性。当我们把自然语言或者实

Andrew_zjc·2022-12-28 17:09

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（二）：BERT-INT

为了同时利用图结构和额外信息(如名称、描述和属性)，大多数工作通过图神经网络链接实体来传播额外信息，尤其是名称。然而，由于不同知识图谱的异构性，对齐精度将受到聚合不同邻居的影响。

J_Xiong0117·2022-12-28 10:46

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

图神经网络（五）：GAT

文章目录一.摘要二.背景介绍三.GAT四.总结五.附录一.摘要我们提出了图注意网络（GAT），一种在图结构数据上运行的新型神经网络架构，利用掩蔽的自我注意层来解决基于图形卷积或其近似的先前方法的缺点。通过堆叠节点能够参与其邻域特征的层，我们能够（隐式）为邻域中的不同节点指定不同的权重，而不需要任何类型的昂贵的矩阵运算（例如求逆）或依赖于对图的了解结构前期。通过这种方式，我们同时解决了基于谱的图神经

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

论文笔记-HyVulDect: A hybrid semantic vulnerability mining system based on graph neural network

2提出方法提出了一个基于混合语义的图神经网络漏洞挖掘系统HyVulDect。该系统构建了一个复合语义的代码属性图来表示代码，使用门控图神经网络提取深层语义信息。

阿航的博客·2022-12-27 23:25

「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

PGL图学习之项目实践(UniMP算法实现论文节点分类、新冠疫苗项目)[系列九]

图神经网络将神经网络运用至图结构中，可以被描述成消息传递的范式。百度开发了PGL2.2，基于底层深度学习框架paddle，给用户暴露了编程接口来实现图网络。与此同

AI Studio·2022-12-27 17:20

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

学习笔记 | ICML 2022 用虚拟节点促进图结构学习

proceedings.mlr.press/v162/liu22d.html代码地址：https://github.com/HKUST-KnowComp/DummyNode4GraphLearning关键词：图结构学习、虚拟节点、图神经网络随着图核和

叶庭云·2022-12-27 10:36

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

weixin_39793638·2022-12-27 02:29

推荐频道

GNN图神经网络

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

图神经网络16-DGL实战：构建图神经网络（GNN）模块

图神经网络基础--基于图神经网络的图表征学习方法

GNN 系列：图神经网络的“开山之作”GCN模型

GRAPH ATTENTION NETWORKS图注意力网络（深入浅出图神经网络）

GNN动手实践(二)：复现图注意力网络GAT

图神经网络有哪些用途和应用?

我想让你成为香饽饽，图神经网络从入门到实战！

【图神经网络实战】深入浅出地学习图神经网络GNN（下）

知识图谱类产品-开题报告构想（一）

个人整理。

DGL教程【四】使用GNN进行链路预测

利用图神经网络进行社交机器人检测

CNN已老，GNN来了：重磅论文讲述深度学习的因果推理

DeepMind研究者将范畴论、抽象代数组合，发现GNN与DP之间的联系

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

DeepMind：用 GNN 学习通用推理算法

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

学习笔记·GNN & GCN

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

顶会快讯 | 两篇多图神经网络学习跨域表示文章推荐

图神经网络+对比学习，下一步去哪？

AF-GCL：不需要增强的图对比学习

图对比学习的应用（NCL，SimGRACE，ClusterSCL）

论文笔记：WWW 2020 Heterogeneous Graph Transformer

湖大2022秋数据挖掘期末作业

「实操」结合图数据库、图算法、机器学习、GNN 实现一个推荐系统

Position-aware 图神经网络

论文笔记--Position-aware Graph Neural Networks

推荐一个好发论文的研究方向

pytorch_geometric环境配置二 — pytorch_geometric

Datawhale 图神经网络 Task01简单图论与环境配置与PyG库

GNN基础知识点（斯坦福大学CS224W）

GNN 系列：Graph 基础知识介绍

GNN学习笔记（1）——信号与系统基础知识

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

图神经网络（GNN）基础

机器学习Day3-GNN基础

GNN基础知识

实体对齐（二）：BERT-INT

实体对齐（一）：MuGNN

图神经网络（五）：GAT

attention机制

一文详解图对比学习（GNN+CL）的一般流程和最新研究趋势

论文笔记-HyVulDect: A hybrid semantic vulnerability mining system based on graph neural network

「实操」结合图数据库、图算法、机器学习、GNN 实现一个推荐系统

PGL图学习之项目实践(UniMP算法实现论文节点分类、新冠疫苗项目)[系列九]

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

学习笔记 | ICML 2022 用虚拟节点促进图结构学习

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