GraphSAGE

CS224W: Machine Learning with Graphs - 09 How Expressive are GNNs

ManyGNNmodelshavebeenproposed(e.g.,GCN,GAT,GraphSAGE)Whatistheexperssivep[ower(abilitytodistinguishdifferentgraphstructures
xbfu-xjtu·2022-11-30 23:21

CS224W: Machine Learning with Graphs - 01 Introduction

Traditionalmethods:Graphlets:Graphkernels2).Methodsfornodeembeddings:DeepWalk,Node2Vec3).GraphNeuralNetworks:GCN,GraphSAGE
xbfu-xjtu·2022-11-30 23:51

图学习笔记（七）：图神经网络算法（二）——图采样、邻居聚合

3.图采样算法详解（GraphSAGE、PinSAGE）GraphSAGE(SAmple&aggreGatE)邻居采样算法邻居采样算法的优点：PinSAGE：根据邻居节点重要性进行聚合的算法。
Laura_Wangzx·2022-11-30 11:15

图论中的聚类系数(Clustering coefficient)简单介绍

目录前言介绍局部聚类系数全局聚类系数前言在GraphSage论文的理论分析部分，涉及到一个概念叫做“Clusteringcoefficient”，直译过来就是聚类系数，解释为“节点的一跳邻域内封闭的三角形的比例
November丶Chopin·2022-11-28 09:11

NLP 图神经网络之GNN、GCN、GAT原理理解+面试必考知识点

后续有空继续补充其他经典模型，如GraphSAGE,R-GCN。
#苦行僧·2022-11-28 07:41

GNN教程：图注意力网络（GAT）详解！

秦州，算法工程师，Datawhale成员引言本文为GNN教程的第四篇文章【GAT网络】，在前几篇博文中，我们讨论了基本的图神经网络算法GCN,使用采样和聚合构建的inductivelearning框架GraphSAGE
Datawhale·2022-11-27 03:18

深入浅出了解GNN的几种变体

接上篇博客，这周主要学习了GraphSAGE，GAT，R-GCN三种GNN的变体模型，从空域的角度出发，对节点的嵌入表征进行了深入的研究。
Wisley.Wang·2022-11-27 02:40

《深入浅出图神经网络》读书笔记（7.GNN的变体与框架）

文章目录7.GNN的变体与框架7.1GraphSAGE7.1.1采样邻居7.1.2聚合邻居7.1.3算法过程7.4GNN的通用框架7.4.1MPNN7.4.2NLNN7.4.3GN7.GNN的变体与框架
ppgodcsy·2022-11-27 02:29

论文解读：《CoaDTI：基于多模态共同注意的药物-靶标相互作用注释框架》

论文解读《CoaDTI:multi-modalco-attentionbasedframeworkfordrug–targetinteractionannotation》1.文章概述2.知识点补充2.1GraphSAGE2.2
风灬陌·2022-11-26 19:48

Transductive Learning 和 Inductive Learning

简介在kipf-GCN和GraphSage中，对TransductiveLearning和InductiveLearning有了比较深刻的认识。
big_matster·2022-11-25 09:18

图学习笔记（三）：图神经网络

GraphConvolutionNetworks，GCNs）GCN方法分类：两类1.1基于谱的GCNs方法1.2基于空间的GCNs方法基于谱的模型缺点：1.3基于组合的空间GCNs方法——MPNNs和GraphSage2
Laura_Wangzx·2022-11-24 23:36

Exploring Relational Semantics for Inductive Knowledge Graph Completion

一些gnn如GraphSAGE(Hamilton,Ying，和Leskovec2017)和GraphS
小蜗子·2022-11-24 12:21

同构和异构经典图神经网络汇总+pytorch代码

收集一些讲解比较好的博客或者知乎文档，以及对应的代码1、同构图神经网络-GCN/GAT/GraphSAGE图卷积：从GCN到GAT、GraphSAGE图卷积：从GCN到GAT、GraphSAGEGCN-Semi-SupervisedClassificationwithGraphConvolutionalNetworks
明日韭菜·2022-11-24 07:56

图网络：从数据处理到DGL模型构建（GCN, GraphSAGE, RGCN）

目录1.数据处理1.1.原始数据节点去重1.2.训练集和测试集的节点划分1.3.边数据中删除节点1.4.节点特征数据和Label2.建图2.1.同质图Networkx→DGL2.2.根据ID建图（针对RGCN）2.2.1.获得node和edge的ID2.2.2.将原始边数据转换为ID数据2.2.3.建图3.节点特征,Label,训练集/测试集idx4.GCN→RF4.1.模型结构4.2.GCN函数
褚骏逸·2022-11-24 05:14

图神经网络的分类

图卷积神经网络GCN、GraphSage都属于图卷积神经网络，都是利用节点与节点周围的邻居信息不断的聚合，以学习到节点的高层表示。
vincent_hahaha·2022-11-24 04:15

CS224W - Colab 3 MessagePassing实现GraphSAGE

ImplementtheGraphSAGElayerdirectly1.GraphSage对于一个具有编码hvl−1h_v^{l-1}hvl−1的中心节点vvv，进行下一步状态更新的规则为：hv(l)=
qq_31699791·2022-11-23 18:45

pyG利用MessagePassing实现GCN(了解pyG的底层逻辑）

目录必备了解利用MessagePassing实现GCN利用MessagePassing实现GCN是pyG官网的例子，后面graphSAGE和GAT是根据公式和pyG例子写的！
山、、、·2022-11-22 12:42

关于GNN、GCN、GraphSAGE（3）--GraphSage

GraphSAGE&PinSAGE这里有两种图采样算法。
Okay灬·2022-11-22 11:00

batch & print pro_图卷积网络(GCN) Mini-Batch技巧

下面将介绍三种目前常见的Batch技巧，分别来自GraphSage和ScalableGCN。1.GraphSageBatch技巧如上图所示，h0是模型inputs数据。3层图卷积La
weixin_39957265·2022-11-22 11:26

Cluster-GCN：子图划分，特别适合大规模的同质图数据

目录1.Cluster-GCN1.1.参考资料1.2.GCN面临的挑战：大规模训练1.2.1.训练原理→训练挑战1.2.2.GCN：Full-batchgradientdescent1.2.3.GraphSAGE
褚骏逸·2022-11-22 11:26

三大图网络自学总结（GAT、GraphSAGE、GCN）+RGCN

就是训练期间可以看得到没有标注的节点（训练需要整个图里面所有的节点参与），那么1.需要将整个图作为输入2.模型是基于某个具体的图的，如Cora，换个图，模型就需要从头开始训练所谓归纳式学习，在训练期间，看不到没有标注的节点常见的有GraphSAGE
ren.yz·2022-11-22 02:06

深度学习模型--图神经网络复杂度分析

目录神经网络复杂度概念复杂度计算方法时间复杂度计算方法空间复杂度计算方法分析图神经网络模型复杂度一.GAT的模型复杂度二.HAN异质网络的模型复杂度三.GraphSAGE模型复杂度四.HGAT模型复杂度五
ren.yz·2022-11-22 01:26

CS224W: Machine Learning with Graphs - 07 Graph Neural Networks (GNN) 2: Design Space

AGeneralGNNFramework1).Message2).AggregationGNNlayer=Message+AggregationDifferentinstantiationunderthisperspective(GCN,GraphSAGE
xbfu-xjtu·2022-11-22 01:46

GNN | 从序列神经网络到GCN、GraphSage、GAT图模型总结

来自：老刘说NLP本文主要介绍图神经网络相关的内容，以从序列神经网络到图神经网络为切入点，逐步讲述从CNN到GCN，从GCN到GraphSage，从GCN到GAT三个方面进行论述。
zenRRan·2022-11-22 00:10

论文阅读_GraphSAGE

GraphSAGE使用多层聚合函数，每一层聚合函数会将节点及其邻居的信息聚合在一起得到下一层的特征向量，GraphSAGE采用了节点的邻域信息，不依赖于全局的图结构。预备知识
Fineven_·2022-11-21 21:14

PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]

0.PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]本项目链接：https://aistudio.baidu.com/aistudio/projectdetail/5061984?
汀、·2022-11-21 06:44

百度图--神经网络7日打卡营--学习心得

、图神经网络算法（一）1.4图神经网络算法（二）1.5、图神经网络进阶模型讲解2.课程目标2.1带领初学者入门图学习2.2学会图领域相关的经典算法：DeepWalk、node2vec、GCN、GAT、GraphSage2.3
Good_Ly·2022-11-21 05:11

关于深度学习的一些总结

2、DGL.NN模块是用户构建GNN图神经网络的基本模块，其中dgl.nn.pytorch.SAGRConv是GraphSAGE模型中使用的图卷积模块，用这个模块
是馨呀！·2022-11-21 03:28

Transductive Learning 和 Inductive Learning

目录前言简介定义两者区别节点分类的例子InductiveLearningTransductiveLearning前言本文参考了wiki百科、周志华《机器学习》、论文GraphSage、博文《Inductivevs.TransductiveLearning
November丶Chopin·2022-11-19 22:40

图神经网络从入门到入门

作者|yyHaker原文|文末『阅读原文』处整理|极市平台导读本文从一个更直观的角度对当前经典流行的GNN网络，包括GCN、GraphSAGE、GAT、GAE以及graphpooling策略DiffPool
zenRRan·2022-11-19 21:31

详细 | 图神经网络从入门到入门

作者|yyHaker编辑|极市平台导读本文从一个更直观的角度对当前经典流行的GNN网络，包括GCN、GraphSAGE、GAT、GAE以及graphpooling策略DiffPool等等做一个简单的小结
机器学习算法那些事·2022-11-19 21:24

cs224w-图机器学习-2021冬季课程学习笔记-09 Theory of Graph Neural Networks

1.localneighborhoodstructures二、DesigningtheMostPowerfulGraphNeuralNetwork1.GCN的聚合操作2.GraphSAGE3.本节小结4
知之之·2022-11-19 20:23

论文笔记：ICLR 2019 How Powerful Are Graph Neural Networks

作者主要分析了主要的GNN方法的辨别力，尤其是GCN和GraphSAGE并证明它们不能对不同的简单图结构进行区分。并且作者提出了一个新的框架来完成图表示学习并在图级别的分类任务上进行了测试。
饮冰l·2022-11-19 20:50

斯坦福图机器学习CS224W笔记自用：How Expressive are Graph Neural Networks？

到目前为止已经提出了许多GNN模型（例如，GCN、GAT、GraphSAGE以及这类模型的整个设计空间）：GCN：mean-pool+线性变换+ReLUGraphSAGE：MLP+max-pool注意：
小粥铺·2022-11-19 20:15

GNN综述：从deepwalk到GraphSAGE，GCN，GAT

作者丨弃之@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/288322305编辑丨极市平台1.graphembedding（GE）1.1.图中学习的分类1.2.相似度度量方法2.Graphneuralnetwork2.1.Graphconvolutionalnetwork(GCN)2.1.1.引子：热传播模型2.1.2.热传播在graph上的求解：傅里叶变换2.2.
视学算法·2022-11-19 13:53

图神经网络（三）GCN的变体与框架（6）GraphSAGE实战完整代码

图神经网络（三）GCN的变体与框架（6）GraphSAGE实战完整代码完整代码代码说明data.pysampling.pynet.pymain.py运行结果完整代码代码说明1.新建文件夹，将如下代码文件创建
炎武丶航·2022-11-19 13:16

图神经网络（三）GCN的变体与框架（1）GraphSAGE

图神经网络（三）GCN的变体与框架（1）GraphSAGE3.1GraphSAGE3.1.1采样邻居3.1.2聚合邻居3.1.3GraphSAGE算法过程 作为深度学习与图数据结合的代表性方法，GCN的出现带动了将神经网络技术运用于图数据的学习任务中去的一大类方法
炎武丶航·2022-11-19 13:45

图神经网络（三）GCN的变体与框架（5）GraphSAGE实战

图神经网络（三）GCN的变体与框架（5）GraphSAGE实战3.5GraphSAGE实战3.5GraphSAGE实战 本节我们通过代码来介绍GraphSAGE以加深读者对相关知识的理解。
炎武丶航·2022-11-19 13:45

GraphSAGE【文献阅读笔记】

GraphSAGE模型paper：《InductiveRepresentationLearningonLargeGraphs》。
智慧的旋风·2022-11-19 13:43

论文学习笔记：GraphSAGE

本文介绍一个inductivenodeembedding的框架——GraphSAGE。
weixin_40675092·2022-11-19 13:42

python define graph_GraphSAGE 代码解析(一) - unsupervised_train.py

其他部分内容参见以下链接～GraphSAGE代码详解example_data:1.toy-ppi-G.json图的信息{directed:falsegraph:{{name:disjoint_union
weixin_39967670·2022-11-19 13:12

GraphSage -《Inductive Representation Learning on Large Graphs》论文详解

目录前言GraphSAGE算法Embedding生成算法聚合函数固定大小邻居采样GraphSAGE参数学习无监督学习理论分析（案例研究）附录（作者简介）前言之前在推荐排序上开发的一个算法，取得了不错的效果
November丶Chopin·2022-11-19 13:08

GCN变体-graphSAGE

参考材料：深入浅出图神经网络，graphSAGE详解，B站GCN实战讲解GraphSAGE从两个方面对GCN做了改动。
beuluer·2022-11-19 12:43

图神经网络通用框架 —— NLNN非局部神经网络

本专栏整理了《图神经网络》，内包含了不同图神经网络的原理以及相关代码实现，详细讲解图神经网络，理论与实践相结合，如GCN、GraphSAGE、GAT等经典图网络，每一个代码实例都附带有完整的代码+数据集
咕 嘟·2022-11-13 20:30

图神经网络 pytorch_geometric库的安装

PyG中实现了很多先进（stateoftheart）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。
德卡先生的信箱·2022-11-13 11:41

GNN-第三方库：PyG（Pytorch Geometric）【基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型】【DeepWalk、LINE、GCN、GAT等】

PyG中实现了很多先进（stateoftheart）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。
u013250861·2022-11-13 11:40

图神经推荐系统笔记整理

mark一下喜欢的论文笔记1.GraphSage深度之眼Paper带读笔记GNN.07.GraphSAGE_oldmao_2000的博客-CSDN博客文末GraphSage代码，分为model.py，aggregators.py
sinat_38007523·2022-11-12 17:38

图神经网络 —— GNN通用计算管道

本专栏整理了《图神经网络》，内包含了不同图神经网络的原理以及相关代码实现，详细讲解图神经网络，理论与实践相结合，如GCN、GraphSAGE、GAT等经典图网络，每一个代码实例都附带有完整的代码+数据集
雷 神·2022-11-10 10:59

图神经网络通用框架 —— MPNN消息传递神经网络

本专栏整理了《图神经网络》，内包含了不同图神经网络的原理以及相关代码实现，详细讲解图神经网络，理论与实践相结合，如GCN、GraphSAGE、GAT等经典图网络，每一个代码实例都附带有完整的代码+数据集
雷 神·2022-11-10 07:51

基于图神经网络 链路预测

图表示学习]2动态图(DynamicGraph)最新研究总结（2020）[图表示学习]动态网络上的图神经网络文献阅读总结：网络表示学习跟着官方文档学DGL框架第十天——训练图神经网络之链接预测[论文笔记]：GraphSAGE
tiger00O·2022-10-09 15:03
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他