当前位置: 首页 > news >正文

PyTorch图神经网络(六)

PyTorch图神经网络(六)

​ 第十章讲的是使用图神经网络来预测链接,这里直接跳过传统方法。

1.VGAE

​ VGAE是通过编码器-解码器的形式来对链接进行预测。通过VGAE对节点的特征进行编码,然后通过GCN层来聚合相邻节点的特征,最终能够得到每个节点的隐向量,通过预测节点隐向量的相似度来预测边的存在性,最终预测得到的比原来多的边就是可能存在的边。

​ 损失函数:预测得到的边与真实的邻接矩阵的差。

2.SEAL

​ SEAL是一种基于子图结构的链接预测模型。他通过提取目标节点以及周围k跳的子图作为输入,通过网络学习子图结构来预测,具体为:

​ 1.封闭子图提取:包括采用一组真实链接和一组假链接来形成训练数据;

​ 2.节点信息矩阵构建:涉及3个组成部分:节点标签,节点嵌入和节点特征。

​ 3.图神经网络训练:以节点信息矩阵为输入,输出链接概率。

​ 这里最重要的就是第二部分的理解:

​ 1.节点标签:为每个节点分配一个特定的编号,并嵌入了距离。

​ 2.节点嵌入:通过模型学习到的节点低维向量;

​ 3.节点特征:节点本身的特征;

​ 然后,使用节点信息矩阵和邻接矩阵来预测链接。

​ 最终输出的是两个点之间存在边的概率,损失函数和上面基本一致。

http://www.hskmm.com/?act=detail&tid=17292

相关文章:

  • Qwen多模态系列模型笔记—Qwen-VL
  • go 语法里变量前面增加、*区别
  • 历程回顾-(2024-2025)
  • CF Round 1053(2150 2151) 总结
  • 20250922_QQ_backdoor
  • 实用指南:【Java八股文】13-中间件面试篇
  • AT_agc012_d [AGC012D] Colorful Balls
  • 02、Python从入门到癫狂:函数与资料容器
  • 第二周第四天2.4
  • 9/25
  • 关闭Edge浏览器页面的圆角效果
  • 搜索二维矩阵II-leetcode
  • Rust/C/C++ 混合构建 - Cmake集成Cargo编译动态库
  • 第12章 day13 关于json请求体
  • CF1349
  • 学习敏捷课程PSM,自考证书分享
  • Rust/C/C++ 混合构建 - 用Bazel构建Rust与C
  • 9.24(补)
  • 9月25号
  • CCF CSP-J 2025_from_黄老师_d
  • 亚马逊与AWS如何通过漏洞赏金计划构建深度安全防御
  • sync.pool 面试题
  • 【JavaEE】SpringIoC与SpringDI - 详解
  • 24.Linux硬盘分区管理 - 详解
  • CCF CSP-J 2025_from_黄老师_km
  • AI一周资讯 250918-250925
  • 云栖小镇现场追踪!触摸AI 未来
  • AT_arc154_d [ARC154D] A + B C ?
  • SQL注入-联合注入
  • JVM对象创建与内存分配