Handbook for Data Science and Artificial Intelligence

內容目录

3.2.2.3. 非欧结构 —— GNN

3.2.2.3.5. 消息传播

3.2.2.3.5. 阅读列表

• Atwood J, Towsley D. Diffusion-convolutional neural networks

3.2.2.3.2.6.1. GCN

3.2.2.3.5. 原理

3.2.2.3.5. 谱聚类

3.2.2.3.5. 参考资料

• 谱聚类（spectral clustering）原理总结

3.2.2.3.2.2. 传播实现 —— GraphSAGE

3.2.2.3.5. 参考资料

• GraphSAGE: GCN落地必读论文 - 风浪的文章 - 知乎

3.2.2.3.2.3. Code

[numpy]

3.2.2.3.5. 阅读列表

1. Kipf T N, Welling M. Semi-supervised classification with graph convolutional networks[J]. arXiv preprint arXiv:1609.02907, 2016.[BLOG]

3.2.2.3.5. 参考资料

• 如何理解 Graph Convolutional Network（GCN）？ - superbrother的回答 - 知乎
• 如何理解 Graph Convolutional Network（GCN）？ - Johnny Richards的回答 - 知乎

3.2.2.3.2.6. FAQ

3.2.2.3.2.6.1. GCN能否用于有向图？

直接应用是不行的，但可以通过正则化来解决

其它针对有向图的GCN变种:

• Monti F, Otness K, Bronstein M M. Motifnet: a motif-based graph convolutional network for directed graphs

3.2.2.3.3. GAT

3.2.2.3.5. 阅读列表

3.2.2.3.5. 参考资料

• 向往的GAT（图注意力模型） - superbrother的文章 - 知乎

3.2.2.3.5. 应用

3.2.2.3.5. 参考资料

• graph convolutional network有什么比较好的应用task？ - superbrother的回答 - 知乎

3.2.2.3.5. 阅读材料

1. Zhou J, Cui G, Zhang Z, et al. Graph neural networks: A review of methods and applications[J]. arXiv preprint arXiv:1812.08434, 2018.[中文讲解]
2. Zhang Z, Cui P, Zhu W. Deep learning on graphs: A survey[J]. arXiv preprint arXiv:1812.04202, 2018.[中文讲解]
3. Must-read papers on GNN

內容目录

• 3.2.2.3. 非欧结构 —— GNN
  • 3.2.2.3.1. 消息传播
    • 3.2.2.3.1.1. 阅读列表
  • 3.2.2.3.2. GCN
    • 3.2.2.3.2.1. 原理
      • 3.2.2.3.2.1.1. 谱聚类
        • 3.2.2.3.2.1.1.1. 参考资料
    • 3.2.2.3.2.2. 传播实现 —— GraphSAGE
      • 3.2.2.3.2.2.1. 参考资料
    • 3.2.2.3.2.3. Code
    • 3.2.2.3.2.4. 阅读列表
    • 3.2.2.3.2.5. 参考资料
    • 3.2.2.3.2.6. FAQ
      • 3.2.2.3.2.6.1. GCN能否用于有向图？
  • 3.2.2.3.3. GAT
    • 3.2.2.3.3.1. 阅读列表
    • 3.2.2.3.3.2. 参考资料
  • 3.2.2.3.4. 应用
    • 3.2.2.3.4.1. 参考资料
  • 3.2.2.3.5. 阅读材料

Previous

3.2.2.2. 欧拉结构 —— CNN

Next

3.3.1. 梯度消失与梯度爆炸