1. GRAPH ATTENTION NETWORKS | 2018.2.4 图上节点间注意力机制，计算量是 $O(n^2)$的。博文：https://zhuanlan.zhihu.com/p/81350196 2. HGNN | 2019.2.23 HGNN 是一种基于谱域的超图学习方法。该方法首 ...
转载
2021-07-27 10:43:00
2469阅读
2评论
本文包括了GCN，GAT，HGNN，HGAT及基于这些模型的AE，或Clustering相关论文。着重介绍其方法、框架、训练流程、效果。 名称 会议/期刊 时间 Variational Graph Auto-Encoders NIPS 2016 Adversarially Regularized G ...
转载
2021-08-01 20:07:00
1381阅读
2评论
Hypergraph Learning and Its Application in Recommendation System超图学习及其在推荐系统中的应用本文基于以下公开讲座及论文来介绍超图学习及其在推荐系统中的应用：学术讲座 高跃教授 Hypergraph Learning and Applications超图神经网络HGNN理论Dual channel hypergraph collabo
论文出处：AAAI 2019论文写作单位：1. 清华大学 2. 北京国家信息科学技术研究中心 3.厦门大学论文关键字：超图神经网络（Hypergraph Neural Network） 图卷积网络（Graph Convolutional network）Code： GitHub - iMoonLab/HGNN: Hypergraph Neural Networks
转载
2023-12-08 17:45:47
305阅读
文章目录1 摘要2 介绍3 超图神经网络3.1 超图学习理论3.2 超图上的谱卷积3.3 超图神经网络分析3.4 实现3.4.1 超图构建3.4.2 节点分类模型4 实验5 总结 1 摘要 论文链接：https://arxiv.org/pdf/1809.09401.pdf 代码链接：https://github.com/iMoonLab/HGNN 本文提出了一种用于数据表示学
本文将对异质图神经网络（HGNN, heterogeneous graph neural networks）的方法演变进行梳理和介绍。 文章目录1. 异质图2. 处理为同质图3. 知识图谱嵌入4. 传统图学习方法4.1 meta-path系4.2 subgraph系4.3 其他5. GNN + Bi-level aggregation scheme6. GNN + 自监督学习7. 其他8. 其他参
HGNNs摘要贡献Hyperbolic Graph Neural Networks黎曼流形上的图神经网络黎曼流形欧几里得空间庞伽莱球模型洛伦兹模型基于中心体的回归和分类一些细节 代码：https://github.com/facebookresearch/hgnn 补充知识：双曲几何：将欧几里得的第五条公设——平行公设换成了 ：过直线外一点P至少可以找到两条相异的直线，与已知直线平行。与之对应的椭
超图神经网络(Hypergraph Neural Nerworks,HGNN)1. 超图学习(Hypergraph Learning)在本节中我们简单回顾超图的定义及常见性质。1.1 什么是超图超图与常见的简单图不同。对于一个简单图，其每条边均与两个顶点相关联，即每条边的度都被限制为2。而超图则允许每一条边的度为任何非负整数。超图的严格数学定义如下：超图是一个三元组\(G=<V,E,W>
转载
2023-09-15 23:23:41
1935阅读
摘要：提出了一种超图表示学习的超图卷积网络，包括一种新的超图卷积操作来挖掘用户之间的关系。引言：图神经网络可以使用数据图结构，编码不同数据。传统GCN存在的问题：①不能表达成对的复杂关系②数据表示趋向于多模态解决问题：提出HGNN:使用超图编码高阶数据关系，使用超图连接多模态关系相关工作： 超图学习：超图
转载
2024-01-26 09:07:10
204阅读
文章目录1 摘要2 引言相关工作3 方法3.1 特征图产生器3.1.1 特征相似图3.1.2特征传播图3.2 语义图生成器4 实验5 结论 另一篇图结构学习方法 HGNN-AC 1 摘要异构图神经网络（HGNNs）近年来受到越来越多的关注，并在许多任务中取得了优异的性能。现有人类神经网络的成功依赖于一个基本假设，即原始的异构图结构是可靠的。然而，这种假设通常是不现实的，因为现实中的
转载
2024-01-12 16:33:10
1526阅读
