zhang_fu_guan的博客

论文标题：GRAPH ATTENTION NETWORKS——ICLR2018论文链接：https://openreview.net/pdf?id=rJXMpikCZhttps://openreview.net/pdf?id=rJXMpikCZ文章背景、解决问题针对图结构数据，本文提出了一种GAT（graph attention networks）网络。该网络使用masked self-attention层解决了之前基于图卷积（或其近似）的模型所存在的问题（这些模型都依赖于图的结构，

论文标题Inductive Representation Learning on Large Graphs——NIPS17论文链接https://proceedings.neurips.cc/paper/2017/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdfhttps://proceedings.neurips.cc/paper/2017/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdf文章.

论文题目SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS_ICLR17论文链接https://openreview.net/pdf?id=SJU4ayYglhttps://openreview.net/pdf?id=SJU4ayYgl论文背景本文提出了一种图卷积网络（graph covolutional networks, GCNs），该网络是传统卷积算法在图结构数据上的一个变体，可以直接用于处理图结构.

2019年做的报告，仅此记录学习论文标题：Network Representation Learning with Rich Text InformationIJCAI 2015论文链接Abstract | IJCAIhttps://www.ijcai.org/Abstract/15/299文章背景：近年来，Network Embedding领域受到越来越多的关注，它能通过学习图网络节点的分布式表达来对网络进行低维的描述，方便更多下游的算法对图网络数据进行处理。当然，图网络.

论文粗读论文标题：node2vec: Scalable Feature Learning for Networks数据挖掘领域的顶级会议KDD-2016论文链接：node2vec | Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mininghttps://dl.acm.org/doi/10.1145/2939672.2939754文章背景：.

论文标题：LINE: Large-scale Information Network Embedding作者：Jian Tang,Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan,Qiaozhu Mei文章背景：当前大多数图形嵌入方法不能对包含数百万个节点的真实信息网络进行扩展，分析大型信息网络在学术界和行业中一直受到越来越多的关注。而现在的大多数嵌入方法在小型网络中适用性非常不错，但当网络包含数百万乃至数百亿节点时，就看起来...

目标学习多种信息的集成如文本和链接如何集成，主要参考triParty论文及其源码。论文主要内容论文标题:Tri-Party Deep Network Representation作者:Shirui Pan , Jia Wu , Xingquan Zhu , Chengqi Zhang , Yang Wang发表时间:2018-05-13发表地点（会议或期刊名称）:Pr...

参考一个微信公众号DrPeothttps://mp.weixin.qq.com/s?src=11&timestamp=1562551705&ver=1715&signature=o7m1IxntaqVzuj-wIg2irlVORdNpf3tXokctKTSB5GACQZJviGTlloI69E87II2lr6yyzDDVoMyvDHex2Sho7yyUS3TjUIDDZ...