m0_38031488的博客

论文链接：Graph Neural Networks:A Review of Methods and ApplicationsAbstract：图（Graph）数据包含着十分丰富的关系型信息。从文本、图像这些非结构化数据中进行推理学习，例如句子的依赖树、图像的场景图等，都需要图推理模型。图网络（Graph neural networks）是一种链接主义模型，它靠图中节点之间的信息传递来捕捉图...

论文链接：FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS Idea: Few-shot 学习不依靠于规则化扩展数据集来补偿缺少有监督数据对模型带来的影响，而是受启发与人类学习去探索相似任务在空间上的分布情况。 GNN网络实际是CNN网络在非欧几里得空间上的扩展。Problem Set-up以下的定义可以应用于semi-supervis...

论文链接：Graph Convolutional Networks for Text Classification Idea：基于一个数据集内的共现词和文档构建一个文本异构图网络。 在文本图网络中，单词和文档向量初始化形式为one-hot，在文档已知类标签的监督下，联合学习单词和文档的向量化表示。 图网络能够有效的处理关系型（结构化）数据，可以以图的形式保留全局性结构化信息在图...

LEARNING GRAPHICAL STATE TRANSITIONS （ICLR 2017）Idea：图结构对于构建多个实体之间的关系是十分重要的，也可以被用于去表示真实世界中的多种数据结构。本文提出了一种门控图变换神经网络，该模型可以基于输入构建和修改图，并且可以生成各种的图输出。BACKGROUND GRU：是循环网络的一种，每个单元...