图神经网络
- 前言
- 一、图神经网络基本知识
- 二、图游走类算法
- 三、图卷积神经网络
- 四、图注意力网络
- 五、图采样算法
- 六、总结体会
前言
图神经网络的基本知识 最近在打卡图神经网络7天训练营 总结一下 废话不多说 先来张图
一、图神经网络基本知识
图可以分为
无向图 vs 有向图
无权图 vs 有权图
同构图 vs 异构图
图可以用邻接矩阵 邻接表 边集表示
二、图游走类算法
图游走类模型最开始参考的就是 NLP 领域中的 Word2vec模型，Word2vec 模型自行了解 主要是 Skip Gram 和 Negative Sampling
和Word2vec 句子对应 图游走类模型如何得到网络中节点的序列呢
deepwalk nodework 都是同构图的游走
三、图卷积神经网络
之前没怎么弄懂的图卷积公式 居然在这张图弄懂了
图卷积的概念 在下面两张图显而易见 就是聚合邻居节点（和自身？）的特征
图卷积过程讲解
四、图注意力网络
图注意力网络就是学习邻居节点特征聚合对中心节点的贡献度 这个节点之间的影响力权重可以计算的 与节点的相关性有关 而图卷积网络的权重是只与节点度相关 不可学习的
五、图采样算法
互联网中动则亿量级的图数据 由于当代的GPU/CPU资源受限 无法一次性全图送入计算资源，需要借鉴深度学习中的MiniBatch
GraphSAGE详解
PinSAGE详解
六、总结体会
7天的课程终于结束了 理解了之前很多看书本没理解的知识 果然跟着直播上课的效果不一样 一群人在学习 讨论的效果比一个人战斗要有效率得多 后面的知识要自己慢慢花时间领会了 这只是一个简单的入门 后面要多接触论文方面的知识了 注重实践领域
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
