论文阅读笔记：The Graph Neural Network Model

最新推荐文章于 2025-08-15 16:53:51 发布
原创 最新推荐文章于 2025-08-15 16:53:51 发布 · 1k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#论文阅读 #笔记 #深度学习 #图论

论文来源

IEEE Transactions on Neural Networks，Volume: 20 Issue: 1

背景

  1. 图神经网络模型本身具有广泛的使用背景，由于我个人研究交通流量预测的需要，此处仅考虑深度学习领域。
  2. 图结构指的是由节点node和若干个连接的边edge组成的一种数据结构。
图的一些应用

 

介绍

 在机器学习中，我们首先假定存在一个映射\tau,将图和其中一个节点映射为一个向量\tau(\bold{G},n)，在图中心类应用中，该映射只依赖于图本身，在节点中心类应用中，该映射依赖于节点。

在本篇论文中建立一个神经网络模型，能够使之同时适应于图中心的应用和节点中心的应用。将两种模型联合为一个模型——即图神经网络。

图神经网络的模型

最低0.47元/天 解锁文章
【论文阅读】《The Graph Neural Network Model》
zxy0000zxy的博客
11-20 317
子图匹配任务为在一个大图​ G上找到给定的子图 S ​(标记出属于子图的节点)，也就是说，函数​ T必须学习到，如果​ ni,j属于子图 S​，那么 T(Gi，nij)=1，否则，T(Gi，nij)=-1。第一条曲线为训练loss曲线，第二条曲线为训练的acc曲线，第三条曲线为评估的acc曲线，可以看出，训练的loss很快达到了最低0.56左右，而准确率达到了1.0，基本已经过拟合，而验证集的准确率一直很低，最高在第500个epoch处上升到0.667，约为​ 2/3左右。网页排序任务是学会网页排序。
《The Graph Neural Network Model 》
qq_45312141的博客
05-28 1768
《The Graph Neural Network Model 》AbstractAbstractAbstractIntroductionIntroductionIntroductionThe Graph Neural Network ModelThe\ Graph\ Neural\ Network\ ModelThe Graph Neural Network Model符号A. The Model[Banach′s 
《The graph neural network model》笔记
qq_24548569的博客
05-08 1048
Introduction 该论文应该是最早的讲GNN的论文。该论文的主要工作是实现一个转导(transduction)函数，把图GGG或者结点nnn映射到一个m维的嵌入向量：τ(G,n)∈Rm\tau(G,n) \in \mathbb{R}^mτ(G,n)∈Rm。 图领域应用可以分成两类：graph focused 和 node focused。 graph focused: 函数把图映射成嵌入...
【论文笔记】The graph neural network model
飞鱼の博客
12-13 2071
文章目录2009-IEEE-The graph neural network model概要状态更新与输出不动点理论具体实现压缩映射损失函数实验总结 2009-IEEE-The graph neural network model 概要  在科学与工程的许多领域中的数据的潜在关系都可以用图来表示，比如计算机视觉，分子化学，分子生物学，模式识别，数据挖掘以及自然语言处理。本论文提出了一种新的神经网络模型称为图神经网络模型，用来处理以图来表示的数据。  本文中所提到的图均指图论中的图(Graph)。它是一种由若
图神经网络模型 The Graph Neural Network Model
热门推荐
明远
01-12 3万+
Abstract 数据包含许多潜在关系可以表示为图，这些数据存在于科学和工程的众多领域，比如计算机视觉、分子化学、分子生物、模式识别以及数据挖掘。本文提出了一种新型的神经网络模型，称为图神经网络(GNN)模型，对现有的神经网络模型进行了拓展，适用于处理可以表示为图的数据。GNN模型通过一个函数τ(G,n)∈Rm\tau(G,n) \in \mathbb{R}^mτ(G,n)∈Rm将图GGG和其中的...
论文学习笔记：Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation
m0_57180439的博客
07-22 1082
异构信息网络（HIN）包含丰富的语义信息，这些信息由元路径（meta-paths）描述，已经成为缓解推荐系统中数据稀疏问题的重要工具。然而，现有的基于HIN的推荐系统通常假设数据是集中存储和训练的。但是，在现实世界中，由于隐私问题，数据往往是分布存储的，这导致HIN中的语义破裂问题，并使集中式HIN推荐系统失效。ps：推荐系统中数据稀疏问题比如现有10000个电影数据和10个观众数据，但这10个观众不一定都看过这10000个电影，并且也不是说看过的电影一定会写评价。
论文笔记--GCC Graph Contrastive Coding for Graph Neural Network Pre-Training
weixin_44139001的博客
10-22 2283
论文笔记–GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training 简介：KDD 2020发表的一篇关于预训练应用在图神经网络的论文，目前引用量120+。目标是学习一个初始化的GNN encoder，但是实验效果不佳， GCC 表现逼进甚至不如目前的GIN。论文链接???? 摘要 引言 相关工作 GCC 实验 结论 摘要 ​ 图表征学习（Graph representation learning）已经成为解决现实问题的一种强
论文阅读笔记：Random Walk Graph Neural Networks（NIPS2020）
ilove_Moretz的博客
11-04 2205
0、简介 论文名字：Random Walk Graph Neural Networks 下载地址：https://www.lix.polytechnique.fr/~nikolentzos/files/rw_gnns_neurips20 会议：NIPS2020 1、论文的motivation 图神经网络可以学习图的特征，从而进行图分类的任务。目前，主流的图神经网络算法都是MPNN的结构。这种结构的图神经网络可以很好的学习节点的特征信息，但是却忽略的图的结构信息。为了利用学习图的结构信息，这篇文章提出了基
论文笔记：Edge-Labeling Graph Neural Network for Few shot Learning
flyminnnnn的博客
05-27 7056
来源：paper, code，CVPR 2019, 韩国高等科技研究所&蒙特利尔大学 Abstract EGNN: edge-labeling graph neutral network 学习预测边的label，使得网络可以利用对于类内相似性和类间不相似性的直接连接状态的探索，通过迭代更新边的标签，使得聚类表示是可以进化的 适合在各种数量的类别之间迁移并且不需要重新训练 Introdu...
图神经网络 The Graph neural network model
weixin_30699465的博客
04-27 1787
1 图神经网络（原始版本） 图神经网络现在的威力和用途也再慢慢加强 我从我看过的最原始和现在慢慢最新的论文不断写上我的看法和见解 本人出身数学 所以更喜欢数学推导 第一篇就介绍图神经网络想法的开端 之后的图神经网络模型 都是基于此慢慢改进。 2 能处理的领域 针对常见的旅行者问题 社交网络 分子结构 等等常见的非结构化数据皆能进行处理 不同点在于你g（x） 即输出函数如何设...
The Graph Neural Network Model
ResumeProject的博客
02-23 676
图神经网络前言 提示：文章地址： 前言 提示：文章地址： https://github.com/mli/paper-reading 文章网址地址：https://distill.pub/2021/gnn-intro/
The Graph Neural Network Model 详细翻译
稀里糊涂林老冷
11-28 1953
摘要   一些科学和工程领域中，数据之间存在大量的潜在联系，比如计算机视觉computer vision，molecular chemistry分子化学， molecular biology 分子生物学， pattern recognition模式识别和数据挖掘，这些领域中的数据的潜在联系都可以用图结构来表示。   在本文中，我们 提出一个新的卷积神经网络模型，我们称它为 graph neur...
学习笔记10：The Graph Neural Network Model
最新发布
weixin_56653612的博客
08-15 988
科学与工程多个领域内的数据都有很多的隐藏关系可以被图表示。这篇文章提出了GNN扩展了现存的处理图领域数据的神经网络方法，可以应用于大多数类型的图。提出了一种有监督学习算法来估计GNN模型的未知参数，同时，还考虑了算法的计算代价。机器学习中结构化数据通常与有（无）监督学习的目标相联系，比如一个将整张图与图中的一个节点转换成一个实数向量的函数。聚焦图和聚焦节点；
《Graph Representation Learning》【5】——The Graph Neural Network Model
智慧的旋风的博客
12-01 504
Part II Graph Neural Networks 5 The Graph Neural Network Model 之前，我们一直在介绍基于浅嵌入方法的编解码器模型，在本章中，我们将重点放在更复杂的编码器模型上——GNN模型的通用框架。它的关键思想是，我们希望生成实际依赖于图结构和特征信息的节点表示（node representation）。 它所面临的挑战也是严峻的——通用的深度学习工具箱（CNN、RNN等）对于图数据来说并不适用，因此，我们需要针对图数据，定义一种新的深度学习框架。 ...
The Graph Neural Network Model论文学习笔记
Frankwz的专栏
06-21 3432
The Graph Neural Network Model论文学习摘要1.简介 原文链接 摘要 诸如计算机视觉、分子化学、模式识别、数据挖掘等许多科学和工程领域中的数据间的潜在关系可以用图来表示。本文提出一种新的神经网络模型——图神经网络模型——对现有的神经网络模型进行了拓展，适用于处理可以表示为图的数据。该模型实现了一个将图GGG和图中的某个节点nnn映射到mmm维欧式空间的函数τ(G,n)∈...
图神经网络第一弹之 The Graph Neural Network Model
qq_37380036的博客
01-12 555
Graph Neural Network Model
论文阅读笔记：The Graph Neural Network
Jiangshang_jiu
12-01 849
The Graph Neural Network Model于2009年1月发表于IEEE Transactions on Neural Networks，作者主要是来自IEEE的四位会员，是图神经网络的开篇之作。
《Graph Representation Learning》Chapter5-The Graph Neural Network Model
weixin_44783584的博客
12-20 1075
在 Transformer 的每一层，通过使用多个注意力头来计算输入中所有位置对之间的注意力权重，为输入数据中的每个位置（例如，句子中的每个单词）生成一个新的隐藏表示，然后将其根据这些注意力权重进行加权求和。因此，这个新的邻接矩阵现在表示图中簇之间的关联强度（即边），而新的特征矩阵表示分配给每个簇的所有节点的聚合嵌入。GNN 消息传递框架的基本意图是在每次迭代中，每个节点都会聚合来自其本地邻居的信息，并且随着这些迭代的进行，每个节点嵌入包含来自图的更远区域的越来越多的信息。通常会省略，但其有利于提升性能。
GNN图神经网络详述-02
Breeze
05-27 1万+
本文作为第2部分，主要根据原始论文介绍几篇基础的工作，主要包括GNN，GCN及变体，DCNN，Tree-LSTM,包括模型的详解和模型训练，以及模型评价。 1. The Graph Neural Network Model 论文：2009 -《The Graph Neural Network Model 》 这篇论文是第一个提出Graph Neural Network模型的论文，它将神经网络使用在图结构数据上，并细述了神经网络模型了结构组成、计算方法、优化算法、流程实现等等。论文后面还对模型的复杂度进行
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值