An Attention-based Graph Neural Network for Heterogeneous Structural Learning
Introduction作者提出了一种在异构图上进行GNN图卷积的方式，主要是利用了对不同类型的边设定一个独有的参数$W$转到一个相同的空间，同时还用了多头的和边有关的attention机制来进行邻居信息的聚合。
ApproachTAL层：
根据节点两个节点之间种类，用一个对应的线性变换矩阵$W$， ...
AddGraph, Anomaly Detection in Dynamic Graph Using Attention-based Temporal GCN
Introduction:异常检测常见的领域就是在电商。比如异常的用户会通过对目标商品以及流行商品做大量的相同操作，比如同时点击目标商品和流行商品，从而增加了目标商品和流行商品的相似性。从而在推荐系统里增加了评分。这篇文章是针对动态图的异常检测，异常检测 对于下流任务很重要。 和传统的图方法相比，G ...
GraphSAINT,一种无偏的图采样方法
背景在现在的图卷积中，由于图的大小可能非常大，传统的在全图上进行图卷积的操作往往是不现实的。因此往往采用了图采样的方法。图采样大致会分为：Layer Sampling 和 Graph Sampling两种。但是这两种方法都存在着一些问题。
Layer Sampling：
1. 邻居爆炸：在矩阵采样多 ...
torch.einsum 实现CIN
研究了一下如何用pytorch实现CIN的操作。
CIN的数学原理假设总共有$m$个field，每个field的embedding是一个$D$维向量。
压缩交互网络（Compressed Interaction Network， 简称CIN）隐向量是一个单元对象，因此我们将输入的原特征和神经网络中的 ...
neo4j导入和创建多数据库
前言最近在玩neo4j，用来存储实验的图数据库，以前都是只用做一个数据库就好了。但是由于一个数据集的paper被review怼的惨不忍睹，只能多搞几个数据集来实验，于是就开始倒腾建立多个数据集的方法。
Neo4j-admin import使用Neio4j-admin import导入csv
neo4 ...
Neural Graph Collaborative Filtering
Abstract：传统的深度学习协同过滤，ID的嵌入是直接输入交互层，但是在NGCF中，其能捕获用户和物品之间的高阶关系。
Method：假设：Intuitively, the interacted items provide direct evidence on a user’s prefere ...
PyG Graph sage 源码分析
PyG Graph sage 源码分析
Neighbor sampler
NeighborSampler！
1NeighborSampler(data, size, num_hops, batch_size=1, shuffle=False, drop_last=Fa ...
Graph U-Nets
简介：在传统图像领域，encoder-decoder结构，比如U-nets已经在许多图像像素领域有着许多成功的应用。然而在图像领域，由于池化和反池化操作在图领域的实现并没有自然的实现，导致这样的结构并没有在图网络中应用。本文提出了一种在图结构上池化和反池化的操作，池化层可以根据节点在可训练投影向量上 ...
Representation Learning for Attributed Multiplex Heterogeneous Network
简介：现有的方法主要专注于具有单一类型节点/边缘的网络，并且不能灵活处理大型网络。许多真实世界的网络包括数十亿个节点和多种类型的边，每个节点与不同的属性相关联。本文提出了一种带属性多通道异构图网络，本网路结构可以支持transductive和indective的学习。
相关工作：
Transduc ...
newstart
开始一个新的生活吧