《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》论文阅读（二）
GCN的定义 下面内容参考kipf博客，个人认为是告诉你从直觉上，我们怎么得到GCN图上的定义（而前面的大幅推导是从理论上一步一步来的，也就是说可以用来佐证我们的直觉） 我们的网络输入是\(\ma ...
原文：论文阅读Graph Convolutional Matrix Completion
摘要：我们从链路预测的视角考虑推荐系统的matrix completion。像电影评分的交互数据可以表示为一个user item的二分图，其中的edge表示观测到的评分。这种表示是特别有用的在额外的基于图的side information存在时。在近来深度学习在图结构数据上取得进展的基础上，我们基于二分图交互图上的differentiable message passing提出了一个图自编码器框架 ...
2019-05-14 21:38 0 1297 推荐指数：
相关推荐
《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》论文阅读（一）
背景简介 GCN的提出是为了处理非结构化数据（相对于image像素点而言）。CNN处理规则矩形的网格像素点已经十分成熟，其最大的特点就是利用卷积进行①参数共享②局部连接，如下图： 那么类比到非结构数据图（graph），CNN能直接对非结构数据进行同样类似的操作吗？如果不能，我们又该采用 ...
Deep Graph Consensus《论文阅读》
想法很朴素，确实挺吸引人的 看了下源代码，有几个点写的很有技巧，学习ing. 欢迎交流 ...
目标检测论文阅读：Deformable Convolutional Networks
https://blog.csdn.net/qq_21949357/article/details/80538255 这篇论文其实读起来还是比较难懂的，主要是细节部分很需要推敲，尤其是deformable的卷积如何实现的一步上，在写这篇博客之前，我也查阅了很多其他人的分享或者去github找代码 ...
《Learning Convolutional Neural Networks for Graphs》论文阅读
首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，😈 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论 ...
《Diffusion-Convolutional Neural Networks》论文阅读
DCNN 主要思想： 这是一篇基于空间域的图神经网络，聚合方式通过采样（hop）1~k 阶的邻居并同 self 使用 mean 的方式得到新的 feature-vector 作者将不同的采样距离并聚合的特征堆叠成一个矩阵，这个矩阵才是最终一个 node(or graph/edge ...
论文阅读 - Matrix Factorization Techniques for Recommender Systems
本文为阅读 MF 经典论文 Matrix Factorization Techniques for Recommender Systems 的笔记。 推荐系统算法 从推荐系统做推荐的依据，大体上可以将推荐系统分为两种： 基于内容 协同过滤 基于内容的推荐算法 对于用户 ...