MixHop:Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing
简述现有的基于半监督的图神经网络算法，不能很好的学习到不同跳的邻居特征。本文提出了一种可以重复的表达不同距离的邻居用户特征的算法。
原始GCN不同层卷积都用相同的权重，不能捕获不同层的信息差异性，本文证明了对不同层采用不同的信息传递权重能捕获不同层之间的信息差异性。
贡献
提出了Delta Ope ...
生物信息学复习提纲
简介本文是本人基于哈尔滨工业大学生物信息学整个课程的复习提纲
绪论组学：生物学中对某些生物分子的整个集合进行的系统性研究
组学基本法则：获取大样本-高通量侧学-数据分析-结果注释：生物验证
基因数据库：SRA数据库：手机全世界的基因组原始测序数据
GenBank数据库：1983年起，收集全世界公开 ...
数据库复习提纲
简介本文是本人基于哈尔滨工业大学数据库系统整个课程的总结和复习提纲
绪论
2020年6月4日
9:15
数据库定义：· 相互关联关系的数据的集合
Table:· Table中描述了一批互有关联关系的数据。
数据库构成：· 数据库（DB）：Database：一组关联关系数据 ...
Finally Meet My Girl
从初二到大四，八年的等待，曾经因为胆小而错过的那双手终于被我牵上了，从今往后再也不会放开。
Cant stop thinking about u
第一次心里一直想着一个人
Heterogeneous Graph Transformer
Abstract在传统的GNN中，所有的节点和边都属于一个种类，导致一些传统的GNN手段没有办法适应异构图的结构。在这篇文章中作者提出了一种基于异构图的transformer结构，用来生成不同种类的节点、边的attention值。为了解决任意时间的动态图，作者提出了一个 relative tempo ...
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 ...
最新文章
