graph_nets

グラフ表現学習

このレポは、ブログシリーズの説明のサプリメントです。グラフ表現学習。次の主要な論文と対応するブログがシリーズの一部として取り上げられており、この分野の他のいくつかの重要な作品にブログを追加しようとしています。

設定

gitリポジトリをクローンします：

 git clone https://github.com/dsgiitr/graph_nets.git

Pytorch 1.3.0を備えたPython 3が主要な要件です。 requirements.txtファイルには、他の依存関係のリストが含まれています。すべての要件をインストールするには、以下を実行してください。

pip install -r requirements.txt

1。ディープウォークの理解

NLPのWord2vecからインスピレーションを受けた監視されていないオンライン学習アプローチですが、ここではノード埋め込みを生成することです。

• ディープウォークブログ
• Jupyterノートブック
• コード
• 紙 - >ディープウォーク：社会的表現のオンライン学習

2。レビュー：グラフ畳み込みネットワーク（GCN）

GCNSは、非euclideanデータドメインのためにそれらを再定義する畳み込みニューラルネットワークのアイデアを利用しています。フィルターパラメーターは通常、典型的なGNNとは異なり、グラフ内のすべての場所で共有されるため、畳み込みです。

• GCNブログ
• Jupyterノートブック
• コード
• ペーパー - >グラフ畳み込みネットワークを使用した半監視分類

3。グラフセージ（サンプルと集合体）

以前のアプローチは輸送的であり、目に見えないノードに自然に一般化しないでください。グラフセージは、ノード機能情報を活用してノード埋め込みを効率的に生成する誘導フレームワークです。

• グラフセージブログ
• Jupyterノートブック
• コード
• 紙 - >大きなグラフでの誘導表現学習

4。Chebnet：高速ローカライズされたスペクトルフィルタリングを備えたグラフ上のCNN

Chebnetは、スペクトルグラフ理論のコンテキストにおけるCNNの定式化です。

• Chebnetブログ
• Jupyterノートブック
• コード
• ペーパー - >高速局在スペクトルフィルタリングを備えたグラフ上の畳み込みニューラルネットワーク

5.グラフ注意ネットワークの理解

GATは、近隣の機能に参加し、近隣のさまざまなノードに異なるウェイトを暗黙的に指定することができますが、コストのかかるマトリックス操作を必要とせずに、またはグラフ構造の前面を知っていることに応じて。

• ガットブログ
• Jupyterノートブック
• コード
• ペーパー - >注目ネットワークをグラフ

引用

ブログを引用するには、次のエントリを使用してください。

 @misc{graph_nets,
  author = {A. Dagar and A. Pant and S. Gupta and S. Chandel},
  title = {graph_nets},
  year = {2020},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {url{https://github.com/dsgiitr/graph_nets}},
}