图学习初印象
学习图:资料推荐
-
理论方面:
-
综述:
Graph Neural Networks: A Review of Methods and Applications
A Comprehensive Survey on Graph Neural NetworkS -
视频:理论课:斯坦福CS224W
-
动手实践:DeepWalk, node2vec, GCN, GAT, GraphSAGE (本次公开课实践内容)
-
进阶:经典论文复现
- DeepWalk:“DeepWalk: Online Learning of Social Representations”
- GCN.:“Semi-supervised Classification with Graph Convolutional Networks"
- GAT. “Graph Attention Networks”
- GraphSAGE. “Inductive Representation Learning on Large Graphs”
- 大量GNN论文:https://github.com/thunlp/GNNPapers
- 前沿研究方向:
针对GNN而言:图采样技术、邻居聚合、深度图卷积、图预训练
本文介绍了图学习的基础概念,包括图的定义及其在社交网络、推荐系统等领域的应用。图学习作为深度学习的一个子领域,擅长处理不规则数据,与传统深度学习相比具有优势。文章还探讨了图学习在节点级别、边级别和图级别任务中的应用,并提及了图游走类、图神经网络和知识图谱嵌入等算法。此外,还推荐了PGL图学习库并提供了实践指导。
订阅专栏 解锁全文
8160

被折叠的 条评论
为什么被折叠?



