图神经网络

图神经网络实战（12）——图同构网络(Graph Isomorphism Network, GIN)Weisfeiler-Leman (WL) 测试提供了一个理解图神经网络 (Graph Neural Networks, GNN) 表达能力的框架，利用该框架我们比较了不同的 GNN 层，在本节中，我们将利用 WL 测试结果尝试设计比图卷积网络 (Graph Convolutional Network, GCN)、图注意力网络 (Graph Attention Networks，GAT) 和 GraphSAGE 更强大的 GNN 架构——图同构网络 (Graph Isomorphism Network,

【区域脑图论文笔记】BrainNetCNN：第一个专门为脑网络连接体数据设计的深度学习框架文章源话早产儿/婴幼儿年龄概念【医学概念知识拓展】总结这里先了解一下论文的总体结果（其他结果在下面的笔记）

大数据AI人工智能培训专家培训讲师叶梓

GraphGPT——图结构数据的新语言模型在人工智能的浪潮中，图神经网络（GNNs）已经成为理解和分析图结构数据的强大工具。然而，GNNs在面对未标记数据时，其泛化能力往往受限。为了突破这一局限，研究者们提出了GraphGPT，这是一种为大语言模型（LLMs）量身定制的图结构知识融合框架。本文将探讨GraphGPT如何革新我们处理图数据的方式。

【论文复现】Graph Attention Networks图注意力神经网络这篇论文提出的核心方法就是在计算一个节点的输出的时候考虑与其相邻的节点对当前节点的影响，同时也将节点对自己的影响考虑在内，为了方便后续解释中将Graph Attention Networks简化成GAT来表述，阅读原版论文有困难可以看一下Aleksa大神录制的讲解视频辅助理解，我在看完视频以后对第多头注意力下的结果输出部分茅塞顿开，同时对自己看论文的时候的一些理解也更加深刻了；另外还有B站上的GAT代码讲解视频的讲解很详细,相比于pytorch给出的源码更加容易理解，本次是笔者的论文复现入门，代码部分采用

图神经网络实战（9）——GraphSAGE详解与实现GraphSAGE 是专为处理大规模图而设计的图神经网络 (Graph Neural Networks, GNN) 架构。在科技行业，可扩展性是推动系统增长的关键驱动力。因此，系统的设计本质上就是为了容纳数百万用户。与图卷积网络 (Graph Convolutional Network, GCN) 和图注意力网络 (Graph Attention Networks，GAT) 相比，这种能力要求从根本上改变 GNN 模型的工作方式。因此，GraphSAGE 自然成为 Uber Eats 和 Pinteres

葡萄书--图表示学习目标是对节点进行编码，使得嵌入空间中的相似性（例如点积）近似于原始网络中的相似性在随机游走中，相似度 similarity(u,v)=zuTzv 被定义为 u 和 v 在一个随机游走时同时出现的概率

图神经网络实战（6）——使用PyTorch构建图神经网络图数据集通常比简单的连接集合更加丰富，因为节点和边可以具有表示分数、颜色、单词等特征。包含这些额外信息在输入数据中对于生成最佳嵌入至关重要。由于节点和边的特征与非图数据集具有相似的结构，这意味着经典技术如神经网络可以应用于这些数据。在本节中，我们将使用 Cora 和 Facebook Page-Page 数据集，首先将它们视为表格数据集，观察香草神经网络 (vanilla neural networks) 在节点特征上的表现如何。然后，尝试在神经网络中加入拓扑信息，实现图神经网络 (Graph Neura

回锅肉炒肉

港大新工作 HiGPT：一个模型，任意关系类型！论文标题： HiGPT: Heterogeneous Graph Language Model论文链接： https://arxiv.org/abs/2402.16024

【论文阅读】《PRODIGY: Enabling In-context Learning Over Graphs》这是一篇思想迁移的文章。首先，上下文学习是预训练模型通过提示示例进行调整以适应新的下游任务，而不需要参数优化。大语言模型具有这种上下文学习（In-context Learning）的能力，但是如何在图上进行上下文学习还没有被探索，那么这种上下文学习的能力，图学习具不具备呢？

图神经网络基础理论及实操推荐阅读： 1、https://github.com/PacktPublishing/Hands-On-Graph-Neural-Networks-Using-Python 2、GAT：http://arxiv.org/abs/1710.10903 3、GCN：http://arxiv.org/abs/1609.02907 4、GraphSAGE：http://arxiv.org/abs/1706.02216

【GNN 1】PyG实现图神经网络，完成节点分类任务，人话、保姆级教程我们来做一个节点分类的任务，选择的数据集是Karate Club，Karate是空手道的意思，所以这就是一个空手道俱乐部的数据。

い☞殘風☜、™

使用DGL实现GAT（并在6个节点的2分类图中进行简单应用）

深度之眼Paper带读笔记GNN.08.GCN（下）本课程来自深度之眼，部分截图来自课程视频。文章标题：Semi-Supervised Classification with Graph Convolutional Networks 图卷积神经网络的半监督分类（GCN）作者：Thomas N.Kipf，Max Welling 单位：University of Amsterdam 发表会议及时间：ICLR 2017 公式输入请参考：在线Latex公式之前写的有点问题，重新编辑发现CSDN对文章长度做了限制，只能切开变成上下两篇了

贝叶斯个性化排序损失函数贝叶斯个性化排名（Bayesian Personalized Ranking, BPR）是一种用于推荐系统的机器学习方法，旨在为用户提供个性化的排名列表。BPR的核心思想是通过对用户历史行为数据的分析，对用户可能喜欢和不喜欢的物品对（item pairs）进行建模，优化推荐系统的排序。

一只水熊虫

图神经网络论文笔记（一）——北邮：基于学习解纠缠因果子结构的图神经网络去偏作者：范少华研究方向：图神经网络论文标题：基于学习解纠缠因果子结构的图神经网络去偏论文链接：https://arxiv.org/pdf/2209.14107.pdf https://doi.org/10.48550/arXiv.2209.14107

一般的一天

Neo4j入门基础：CREATE，DELETE，SET，REMOVE（看不懂我直接吃...）创建一个标签为student1的节点同时创建两个节点，标签分别为：student2，student3创建两个节点，第一个节点有人，学生，孩子三个标签；第二个节点有人，老师，母亲三个标签

Code Lab - 2PyG有两个类，用于存储图以及将图转换为Tensor格式 torch_geometry.datasets 包含各种常见的图形数据集 torch_geometric.data 提供Tensor的图数据处理

柚子味的羊

深度学习（36）—— 图神经网络GNN（1）这个系列的所有代码我都会放在git上，欢迎造访GNN考虑的事当前的点和周围点之间的关系

图注意力网络论文详解和PyTorch实现图神经网络(gnn)是一类功能强大的神经网络，它对图结构数据进行操作。它们通过从节点的局部邻域聚合信息来学习节点表示(嵌入)。这个概念在图表示学习文献中被称为“消息传递”。