Structural Deep Network Embedding——paper 笔记

最新推荐文章于 2025-06-25 20:22:31 发布
原创 最新推荐文章于 2025-06-25 20:22:31 发布 · 790 阅读 · 0 ·
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。

本文探讨了图神经网络中一阶和二阶相似性的学习方法。通过拉普拉斯矩阵捕捉节点间局部结构信息，反映图的一阶相似性；借助AutoEncoder的encoder和decoder差异学习整体结构信息，描述图的二阶相似性。

简述论文思想：利用节点之间的关系 拉普拉斯矩阵 学习局部结构信息 ，描述图的一阶相似性；利用 AutoEncoder  encoder和decoder的输入输出的差异学习图的整体结构信息，描述图的二阶相似性。

文献学习(part14)--Structural Deep Network Embedding
小山羊的学习日志
12-01 453
学习笔记，仅供参考，有错必纠 文章目录Structural Deep Network EmbeddingABSTRACTINTRODUCTIONRELATED WORKDeep Neural NetworkNetwork EmbeddingSTRUCTURAL DEEP NETWORK EMBEDDING问题定义The ModelLoss FunctionsOptimizationAnalysis and DiscussionsEXPERIMENTSBaseline AlgorithmsEvaluatio
【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-25 2万+
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
论文笔记之Structural Deep Network Embedding
BVL的博客
01-09 6592
本论文是kdd2016的一篇论文主要的目的也是做node embedding。主要的想法就是通过deep autoencode对node进行embedding，不过在在embedding的时候不仅考虑了1-hop的信息而且考虑了n-hop的信息。使其变成半监督学习的模式（其实就是对loss function改了改）输入是一个graph的n*n的邻接矩阵S，其实可以看成有n个数据的训练集，每个数据的f
【论文笔记】Structural Deep Network Embedding
煎饼加鸡丝
10-30 5058
Structural Deep Network Embedding https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 本文介绍图嵌入的一种方法——SDNE，用深度神经网络来做图嵌入，以下主要摘录论文以及记录一点个人理解。 摘要 network embedding，是为网络中的节点学习出一个低维表示的方法。 目的在于在低...
SDNE：structural deepnetworkembedding
芒果的二二的博客
08-08 605
本文是半监督方法，主要是1st有标签做有监督学习，2nd做无监督学习，故将自编码器应用到图学习中，提出一个半监督学习的框架。
【论文阅读｜深读】SDNE:Structural Deep Network Embedding
海到无边天作岸 山登绝顶我为峰
06-27 2370
现有的网络嵌入方法几乎都采用浅模型（ shallow models）然而，由于底层网络结构复杂，浅层模型无法捕捉到高度非线性的网络结构，导致网络表达次优因此，如何找到一种能够有效捕捉高度非线性网络结构并保持全局和局部结构的方法是一个开放而重要的问题为了解决这一问题，本文提出了一种结构化深度网络嵌入方法，即SDNE。更具体地说，我们首先提出了一个半监督深度模型，该模型具有多层非线性函数，从而能够捕捉高度非线性的网络结构。然后我们提出利用一阶和二阶邻近性来保护网络结构。通过在半监督深度模型中对它们进行联合优化，
深度图聚类DGC—Paper Notes
最新发布
weixin_51277037的博客
06-25 1018
深度图聚类方向的论文解读
GraphEmbedding系列总结
召唤师的峡谷
08-20 653
文章目录GraphEmbedding系列总结Word2VecItem2VecDeepWalkLINENode2VecSDNEStruc2VecEGES参考文献 GraphEmbedding系列总结 Embedding从入门到专家必读的十篇论文 深度学习中不得不学的Graph Embedding方法 Graph Embedding：深度学习推荐系统的"基本操作" Node embedding系列 W...
A Comprehensive Survey on Graph Neural Networks论文阅读笔记
风行
09-04 1688
A Comprehensive Survey on Graph Neural Networks细节点摘要介绍部分将机器学习应用到Graph领域的问题2D卷积和Graph卷积相似之处和区别文章的贡献之处文章框架GNNs背景GNNs和network embeddingGNNs和graph kernel methodsGNNs 符号notationsSpatial-Temporal Graph定义GNNs分类框架网络结构划分RecGNNs：学习节点表示ConvGNNs：将网格数据的卷积推广到GraphGraph
2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation
weixin_46645827的博客
01-23 2064
[论文阅读笔记]2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation 论文下载地址： chrome-extension://ibllepbpahcoppkjjllbabhnigcbffpi/https://ojs.aaai.org/index.php/AAAI/article/download/16533/16340 发表期刊：AAAI Publish time: 2021 作者及单位: Chao
Deep Embedding Network for Clustering
02-10
Deep Embedding Network for Clustering
论文分享 -- >Graph Embedding -- >Structural Deep Network Embedding
村头陶员外的博客
03-08 781
博客内容将首发在微信公众号"跟我一起读论文啦啦"，上面会定期分享机器学习、深度学习、数据挖掘、自然语言处理等高质量论文，欢迎关注！ 本次要分享的论文是来自KDD2016的工作，论文链接Structural Deep Network Embedding，（简称SDNE）参考的代码链接 CODE。本篇论文同样致力于利用图结构，获取节点的embedding representation，定义了与 LI...
2016 KDD | SDNE: Structural Deep Network Embedding
发呆的比目鱼的博客
05-14 539
paper: https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 2016 KDD | SDNE: Structural Deep Network Embedding
文献阅读（17）KDD2016-Structural Deep Network Embedding
优快云TianJi的博客
04-16 774
本文是对《Structural Deep Network Embedding》一文的浅显翻译与理解，如有侵权即刻删除。
2016-Structural Deep Network Embedding
edwinhaha的博客
01-07 573
文章目录ABSTRACT1. INTRODUCTION2. RELATED WORK2.1 Deep Neural Network2.2 Network Embedding3. STRUCTURAL DEEP NETWORK EMBEDDING3.1 Problem Definition3.2 The Model3.2.1 Framework3.2.2 Loss Functions3.2.3 O...
网络表达学习系列（二）：基于自编码器的网络嵌入（Structural Deep Network Embedding）
paper_reader的博客
03-05 2436
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 原文链接：网络表达学习系列（二）：基于自编码器的网络嵌入（Structural Deep Network Embedding） 这一次我们来讲第一次将深度学习技术用到网络表达学习中去的文章。本次的论文发表在KDD’16，文章名为“Structural Deep Network Embedding”，由清华大学崔鹏团队发表。这篇文章...
论文笔记：Structural Deep Network Embedding
qq_35771020的博客
03-14 717
一、基本信息 论文题目：《Structural Deep Network Embedding》 发表时间：KDD 2016 作者及单位： 论文地址：https://dl.acm.org/citation.cfm?id=2939753 二、摘要 网络嵌入是学习网络中顶点低维表示的一种重要方法，旨在捕获和保持网络结构。现有的网络嵌入方法几乎都采用浅层模型。然而，由...
Structural Deep Clustering Network
Faker_Yxt的博客
06-02 1120
Structural Deep Clustering Network 整个模型大概包括三部分：深度神经网络模块，图卷积模块和双重自监督模块。 这篇文章写的是聚类算法，但是值得学习的是：它利用传输因子将深度神经网络模块和卷积模块融合 深度神经网络模块主要是利用自编码器学习数据自身的特性，损失函数为解码器的重构数据和原始数据之间的误差： 图卷积模块主要是将图卷积层学到的GCN特定表征和自编码器学到的特征表征进行结合，然后通过在KNN图上进行传播学习到结构信息。 与标准图卷积层不同，我们的图卷积模块为了同时
SDNE（Structural Deep Network Embedding）理论及pytorch实现
zc_stats的博客
03-07 2232
SDNE 使用自动编码器（AutoEncoder）结合拉普拉斯特征映射(Laplacian Eigenmaps），针对网络结构非线性，构建多层非线性函数深度模型，同时针对全局和局部结构以及稀疏性问题，同时利用一阶相似性和二阶相似性学习网络的局部结构信息和全局结构信息。 SDNE使用自动编码器（AutoEncoder）结构，同时优化1阶相似度和2阶相似度，学习到的向量表示能够保留局部和全局结构，并...
structural deep network embedding
03-16
结构化深度网络嵌入（Structural Deep Network Embedding）是一种将图形数据嵌入到低维空间中的技术。它使用深度学习模型来学习节点之间的相似性和关系，并将它们嵌入到低维空间中，从而使得节点之间的关系可以更加直观地展示出来。这种技术在社交网络分析、推荐系统、生物信息学等领域有着广泛的应用。
评论
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