《深刻浅出图神经网络》

2022年01月16日 阅读数:2
这篇文章主要向大家介绍《深刻浅出图神经网络》,主要内容包括基础应用、实用技巧、原理机制等方面,希望对大家有所帮助。


前言




  • 《深刻浅出图神经网络》读书笔记
  • 待更新

Chapter 1. 图的概述网络


任何一个二元关系的系统均可以用图来描述。ide


什么是二元关系?spa



二部图
将图 ​​G​​ 中的顶点集合V拆分红两个子集A和B,若是对于图中的任意一条边 e i j e_{ij} eij 均有 v i ∈ A v_i \in A viA, v j ∈ B v_j \in B vjB,则称图 ​​G​​ 为二部图。二部图是一种十分常见的图数据对象,描述了两类对象值案件的交互关系,好比:用户和商品,做者和论文。code



关联矩阵
关联矩阵描述的是节点与边之间的关联,定义以下:
B i j = { 1 i f v i 与 e j 相 连 0 e l s e B_{ij} = \left \{ \begin{aligned} &1 \quad if \quad v_i 与 e_j 相连\\ & 0\quad else \end{aligned} \right. Bij={1ifviej0else对象




咱们提到图,更多的是带有一种数学上的理论色彩,在实际的数据场景中,咱们一般将图称为网络(network)。为了与神经网络中的网络区分开来,这里称之为图数据。图数据主要分红以下几类:数学


  • 同构图:图中的节点类型和关系类型都只有一种。
  • 异构图:与同构图定义相反,图中的节点类型或关系类型多于一种
  • 属性图:相较于异构图,属性图给图数据汇总增长了额外的属性信息。
  • 非显式图:数据之间没有显式的定义出关系,须要依据某种规则或计算方式将数据的关系表达出来,进而将数据当成一种图数据进行研究。




下一篇: nan报错