首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >图嵌入

图嵌入

作者头像
DC童生
发布2019-05-17 14:15:44
1.1K0
发布2019-05-17 14:15:44
举报
文章被收录于专栏:机器学习原理机器学习原理

图嵌入思想

通过深度学习技术将图中的节点(或边)映射为向量空间中的点,进而可以对向量空间中的点进行聚类、分类等处理

图卷积网络(Graph Convolutional Network)

诞生

空手道俱乐部图,颜色表示通过基于模块化的聚类获得的社团

图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。

GCN的卷积过程

先来回顾CNN的卷积过程,主要分为卷积和池化加全连接加softmax

CNN的卷积过程

GCN的整个流程图如下:

GCN流程

池化过程

经过顶点匹配和图粗粒化的过程,决定边是减掉还是连起来。

池化1

按照节点的index进行融合

池化2

卷积过程

将节点信号大小转化到信号领域进行矩阵分解再转回来

  • 输入:

GCN的输入

  • 输出:

公式1

公式2

结果目标

论文中的过程图

卷积方式分两种:

GAN整体流程

  • idea 如果有很多图结构,每个的节点数都不一样,,要想做节点分类。 对于节点的分类, GCN(Graph Convolution Network)需要知道全部的图。本文的(Graph Attention Network)GAT可以,GAT只需要本节点的特征和相邻节点的特征就可以分类了
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019.05.16 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 图嵌入思想
  • 图卷积网络(Graph Convolutional Network)
    • 诞生
      • GCN的卷积过程
        • 卷积方式分两种:
        相关产品与服务
        图数据库 KonisGraph
        图数据库 KonisGraph(TencentDB for KonisGraph)是一种云端图数据库服务,基于腾讯在海量图数据上的实践经验,提供一站式海量图数据存储、管理、实时查询、计算、可视化分析能力;KonisGraph 支持属性图模型和 TinkerPop Gremlin 查询语言,能够帮助用户快速完成对图数据的建模、查询和可视化分析。
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档