位置:主页 > 入门手机 >

AAAI2019《图表示学习》Tutorial 180 页 PPT 带你从入门到

编辑:大魔王 2019-02-08

【图片声明:图片来源网络,如有侵权请联系作者删除!】

  目前这个领域的主要挑战是找到一种方法来表示或者编码图的结构,以便机器学习模型能够轻松利用它们。

  图神经网络GNN是最近特别火的一个深度学习方向。本文带来AAAI-19Tutorial的《图表示学习》180页PPT,全面概述图表示学习的当前进展,非常干货!

  图上的机器学习,是一项很重要且普遍存在的任务,无论是社交网络上的朋友推荐还是化学药物上的式的链接,都能从中获益。

  图表示学习,是 2018 年火爆全球的一个深度学习方向,从以 Line, meta-path 等为首的节点表示学习,到以 GCN,GraphSAGE,为首的图卷积方法,在到近期的以 GraphVAE 为首的生成图模型,图表示学习方向的文章如过江之鲫。

  在本教程中,我们将对图表示学习领域的主要进展进行技术介绍,包括基于矩阵分解的方法、基于随机游走的算法、图神经网络和图生成模型。在此过程中,我们开发了一个统一的框架来描述这些最新的方法,并强调了涉及大规模社会和生物网络的实际应用。

  传统的机器学习方法依赖于用户定义的式模型来提取关于图的结构信息的特征编码 (例如,度统计或核函数)。然而,近年来,使用基于深度学习和非线性降维的技术,自动学习将图形结构编码为低维嵌入的方法激增。

  

入门手机