admin管理员组

文章数量:1590500

DL之NRL&GCN:网络表示学习NRL与图神经网络GNN的简介、应用、经典案例之详细攻略

 

 

目录

网络表示学习NRL与图神经网络GNN的简介

1、网络表示学习与图神经网络的重要进展

1.1、1986年的Distributed Representation

1.2、2013年的word2vec→最新的BERT

网络表示学习NRL与图神经网络GNN的应用

1、Computer vision

2、Natural language processing

3、Traffic

4、Recommender systems

5、Chemistry

6、Others

网络表示学习NRL与图神经网络GNN的经典案例



 

网络表示学习NRL与图神经网络GNN的简介

        网络表示学习(Network Representation Learning),又名网络嵌入(Network Embedding)、图嵌入(Graph Embedding),它旨在将网络中的节点表示成低维、实值、稠密的向量形式,使得得到的向量形式可以在向量空间中具有表示以及推理的能力,同时可轻松方便的作为机器学习模型的输入,进而可将得到的向量表示运用到社交网络中常见的应用中,如可视化任务、节点分类任务、链接预测以及社区发现等任务,还可以作为社交边信息应用到推荐系统等其他常见任务中。网络表示学习是一种分布式的表示学习技术。

        图神经网络Graph Neural Network(GNN)在很多领域日益普及

本文标签: 神经网络案例攻略简介经典