Task03 基于图神经网络的节点表征学习

豆奶与程序猫

于 2021-06-24 00:14:26 发布

阅读量236

点赞数

分类专栏：图神经网络-入坑文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/maozixiang/article/details/118165378

版权

本文详细探讨了图神经网络在节点表征学习中的应用，包括使用MLP、卷积图神经网络（GCN）和图注意力神经网络（GAT）。通过对比分析，揭示了考虑节点邻接信息对于提升节点分类效果的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Task03 基于图神经网络的节点表征学习

一、节点表征

节点表征是图节点预测或边预测任务的前奏
用图神经网络来生成节点表征，并通过基于监督学习的对图神经网络的训练，使得图神经网络学会产生高质量的节点表征
高质量的节点表征能够用于衡量节点的相似性，同时高质量的节点表征也是准确分类节点的前提。

二、准备工作

在数据输入神经网络之前修改数据，可以实现数据规范化或数据增强

可视化节点表征

import matplotlib.pyplot as plt
from sklearn.manifold import TSNE

def visualize(h, color):
    z = TSNE(n_components=2).fit_transform(out.detach().cpu().numpy())
    plt.figure(figsize=(10,10))
    plt.xticks([])
    plt.yticks([])

    plt.scatter(z[:, 0], z[:, 1], s=70, c

最低0.47元/天解锁文章