论文概述 本篇论文中主要提出了两个计算图相似性的网络，分别是Graph Embedding Models和.Graph Matching Networks Graph Embedding Models 模型思想 图嵌入模型通过网络把图表示成一个向量，这样通过计算向量间的距离就可以得到两个图之间的相似性。 网络结构 图嵌入模型主要由三部分组成： 一个编码层 an encoder ， 多个传播层 pr ...
2019-06-21 14:58 0 958 推荐指数：
1. 文献信息 题目： Learning Combinatorial Embedding Networks for Deep Graph Matching（基于图嵌入的深度图匹配） 作者：上海交通大学研究团队（Runzhong Wang ,Junchi Yan,Xiaokang Yang ...
Deep Learning of Graph Matching 阅读笔记 CVPR2018的一篇文章，主要提出了一种利用深度神经网络实现端到端图匹配(Graph Matching)的方法. 该篇文章理论性较强，较难读懂。。。 论文链接 介绍这篇文章之前，需要先了解一下什么是图匹配，图 ...
本篇文章发表在ICLR2020上，对动态图的进行连接预测和结点分类。TGN中，作者除利用传统的图神经网络捕捉非欧式结构生成embedding外，还利用动态图所中时序信息。 T ...
Graph Attention Networks paper： https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdf code & data ...
论文：《Memory-based Graph Networks》，ICLR2020 代码：https://github.com/amirkhas/GraphMemoryNet 概述 图神经网络(GNNs)是一类深度模型，可处理任意拓扑结构的数据。比如社交网络、知识图谱、分子结构 ...
自监督学习-SLAPS: Self-Supervision Improves Structure Learning for Graph Neural Networks 标签：自监督学习、图神经网络 动机&背景 当可用的图结构表现出高度的同质性 (即连接的节点通常属于同一类) 时 ...
标签: 自监督、 图神经 动机 首先, 由于很难改变 GCNs 固有的浅层结构, 如何设计一种基于 GCNs 的一致高效的训练算法来提高其在标签节点较少的图上的泛化性能？ 其次, ...
