Graph NN(四)——Graph NN参考资源(2)
source link: http://antkillerfarm.github.io/graph/2021/07/07/graph_NN_4.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
Graph NN参考资源
https://zhuanlan.zhihu.com/p/137223381
推荐系统的图方法
https://mp.weixin.qq.com/s/hFtFjR4EIVN_9g93YjtuoQ
GCMC:GNN在推荐系统中的应用
https://mp.weixin.qq.com/s/u8XAbOautjZTA7ZhdSBaDA
经典重温:图表示学习经典算法node2vec
https://mp.weixin.qq.com/s/Pm1HiEQOBnbo_GQ_v6Y_zw
腾讯提出自适应图卷积神经网络,接受不同图结构和规模的数据
https://zhuanlan.zhihu.com/p/31067515
《Semi-Supervised Classification with Graph Convolutional Networks》阅读笔记
https://mp.weixin.qq.com/s/6viSk0Ts_7eTfYrWYi_HDQ
基于图结构的实体和关系联合抽取模型简介
https://zhuanlan.zhihu.com/p/36117802
《Learn to Represent Programs with Graphs》阅读笔记。这篇论文讲述了DL在程序代码纠错方面的应用。
https://zhuanlan.zhihu.com/p/37278426
Graph2Seq: Graph to Sequence Learning with Attention-based Neural Networks
https://mp.weixin.qq.com/s/soH6jX7_fjq0iBBH-5bMsA
Node2Vec论文+代码笔记
https://mp.weixin.qq.com/s/VQON_WM_wLjGgbY2_UqzSQ
Node2Vec: 可扩展的网络特征学习
https://mp.weixin.qq.com/s/zxFgW6ofimYQ9wlChTK8cw
Recommender System with GNN
https://mp.weixin.qq.com/s/_vbcLre5HIrOGbAjTzLFjA
动态网络表征学习在推荐领域的创新与实践
https://mp.weixin.qq.com/s/17ozbpr2IIoq36VpBl3Crw
基于知识图谱和图卷积神经网络的应用和开发
https://mp.weixin.qq.com/s/mbr3u9SiYVPysBT9xuX0vg
Hyperbolic Graph Convolutional Neural Networks
https://mp.weixin.qq.com/s/nGPUcDHTrG6KwAqDCkfA1w
基于超图网络模型的图网络进化算法
https://mp.weixin.qq.com/s/XoVUJln3oyhk2jMOtWwfog
基于图神经网络的协同过滤算法
https://zhuanlan.zhihu.com/p/86216369
从3/4层拓展到56层,如何训练超级深层的图卷积神经网络
https://mp.weixin.qq.com/s/ceC1_39cmpqYOoHsu-4sCQ
HEC-Montreal唐建博士:图神经网络推理
https://mp.weixin.qq.com/s/aIU8mP5nlnqR4Qt-4RfMgQ
孙付伟:Graph Embedding在知乎的应用实践
https://zhuanlan.zhihu.com/p/111945052
TextGCN
https://blog.csdn.net/weixin_43269174/article/details/98492487
从图嵌入算法到图神经网络
https://mp.weixin.qq.com/s/LxdZ5xRuqQjNbG9FhhD0Aw
图神经网络越深,表现就一定越好吗?
https://mp.weixin.qq.com/s/d_gf12bzVySHkXFl5rqVTQ
图神经网络前沿综述:动态图网络
https://mp.weixin.qq.com/s/ea3sOkabOmaymlkeQJlZ1A
图算法工程师 面试基础
https://mp.weixin.qq.com/s/3xNRyEsw7QPCzvpQU6chDw
图神经网络的重要分支:时间图网络
https://mp.weixin.qq.com/s/GibBqURtF_Oak8NOKDjEPg
时序图神经网络
https://mp.weixin.qq.com/s/k3HTFY3QLdiY_zj81NePAg
腾讯AI Lab联合清华、港中文,万字解读图深度学习历史、最新进展与应用
https://mp.weixin.qq.com/s/TSsKeADBuamrTPrRKUBpBQ
Graph Normalization (GN):为图神经网络学习一个有效的图归一化
https://mp.weixin.qq.com/s/oBgPS0s_Fe2w4bmT__664A
动态图上的深度学习-动态时间图网络建模技术综述
https://mp.weixin.qq.com/s/N3A8N4DZC-x8YavEXdpfKA
使用图进行特征提取:最有用的图特征机器学习模型介绍
https://mp.weixin.qq.com/s/3XKrFGkhxxXdg-XGNkvXdg
LINE:不得不看的大规模信息网络嵌入
https://mp.weixin.qq.com/s/BPbUiIl9yU6DJbjKQmrzgw
结合图的结构信息和节点特征的图对比学习
https://mp.weixin.qq.com/s/FwIbHiyZa4EcnMunWoAR1Q
北大发布最新《图神经网络推荐系统》2020综述论文,27页pdf
https://blog.csdn.net/leviopku/article/details/106949616
GNN中的Graph Pooling
https://mp.weixin.qq.com/s/5vgN2Z-FVMQ9ofPAy1Vf-g
图表示学习中的Encoder-Decoder框架
https://mp.weixin.qq.com/s/2HwszqbC_I2zdTCiQirxPQ
图注意力网络入门:从数学理论到到NumPy实现
https://mp.weixin.qq.com/s/oRWMAeKcftmCL1W1SW823g
推荐系统与GNN擦出的火花竟如此绚丽多彩
https://mp.weixin.qq.com/s/9qGrkDFCd1bgeXRAaM8VGQ
动态图表示学习,40页ppt,Dynamic Graph Representation Learning
https://mp.weixin.qq.com/s/Uy2ekBiwkI2sIo637b-16g
北大、微软提出NGra:高效大规模图神经网络计算
https://mp.weixin.qq.com/s/diIzbc0tpCW4xhbIQu8mCw
阿里凑单算法首次公开!基于Graph Embedding的打包购商品挖掘系统解析
https://mp.weixin.qq.com/s/chiHw5gKnJyTJTQeF6gViw
在向量空间中启用网络分析和推理,清华大学崔鹏博士最新分享
https://mp.weixin.qq.com/s/cNNj18i_SoPeJSu9lXf9Ng
动态图表示学习,40页ppt,Dynamic Graph Representation Learning
https://mp.weixin.qq.com/s/sdiu64GVPkhTjQ5sAIv94A
图卷积神经网络理论基础:从傅里叶变换到图卷积
https://mp.weixin.qq.com/s/jvMyNgxaJj3HAIMDK_jKUQ
图挖掘与多关系学习:工具与应用,亚马逊与CMU-WWW2021教程,附161页ppt
https://mp.weixin.qq.com/s/iQYVyo2PHuGbEsYgdIf_oQ
DeepMind等机构提出“图网络”:面向关系推理
https://mp.weixin.qq.com/s/TAccHagxXQ82lfE91Y6xWg
CNN已老,GNN来了:重磅论文讲述深度学习的因果推理
https://mp.weixin.qq.com/s/UONtTJJgDawRPWtatAVKkg
如何利用高效的搜索算法来搜索网络的拓扑结构
https://mp.weixin.qq.com/s/SGCtwYWfnxjcpMJeeH1b4w
图神经网络+池化模块,斯坦福等提出层级图表征学习
https://mp.weixin.qq.com/s/DOau_vTbwCauQ8mrHkGu9Q
首个面向Facebook、arXiv网络图类的对抗攻击研究
https://mp.weixin.qq.com/s/L4XPz4Moc3mmhR_7kK5OKg
图神经网络知识蒸馏框架
https://mp.weixin.qq.com/s/K3adKwK5jBIYZAFJR_hzGw
图神经网络综述
https://mp.weixin.qq.com/s/tWR81J3t-lt3pzcOcterFQ
GNN中的16种图卷积和9种图池化
https://mp.weixin.qq.com/s/_0quf0IRe8mn4dnsBwf6Aw
基于路径的实体图关系抽取模型
https://mp.weixin.qq.com/s/jCgbBldpw4TGHUvN9WkJZg
在对抗中学习网络结构——87页PPT带你学习Graph中的GAN
https://mp.weixin.qq.com/s/xTZbfiLYHB64AJJRcw04qQ
知识图和神经网络:如何有效读取图节点属性
https://mp.weixin.qq.com/s/9fFjVSiMg-LwddXfNJuKuw
DeepMind开源图网络库,一种结合图和神经网络的新方法
https://mp.weixin.qq.com/s/5DmpgPN4t3p3H53Xu7_-3A
北大、微软亚洲研究院:高效的大规模图神经网络计算
https://mp.weixin.qq.com/s/BFJD8i_yg1Y6fxZS5or-rw
Bengio最新论文提出GibbsNet:深度图模型中的迭代性对抗推断
https://mp.weixin.qq.com/s/zg3yW7e4UKIs9-m6WmcbvA
GraphWave:一种全新的无监督网络嵌入方法
https://mp.weixin.qq.com/s/mamet6l_lA7fhoYkysZ7PQ
华为联合LSE提出KONG:有序近邻图的核函数
https://mp.weixin.qq.com/s/OnRB44tliuTFcjlmuRG3Xw
图神经网络“理论在哪里“?
https://mp.weixin.qq.com/s/FpBawuJrD54Hk1_GMO4tSg
21年最新最全Graph Learning算法
https://zhuanlan.zhihu.com/p/136521625
图神经网络从入门到入门
https://mp.weixin.qq.com/s/k3bHwxH_pgMat9pQkHzrww
大规模图算法在京东广告的实践
https://mp.weixin.qq.com/s/Aefh4A33ZhZf-pyHS3JAlg
首篇NLP图神经网络综述!127页文档让你全面了解这个领域
https://mp.weixin.qq.com/s/brIIukHx06daYw-M3nN8PQ
自然语言处理中图神经网络从入门到精通
https://mp.weixin.qq.com/s/qVWrdKD37qtnB_flPEbSdg
图深度学习如何用于自然语言处理?SIGIR2021这份230页ppt教程带你全面了解DL4NLP
https://mp.weixin.qq.com/s/BPuRRgcRQTo2jSYY-y2c8w
清华最新《图神经网络推荐系统》综述论文
PageRank算法+
http://www.docin.com/p-630952720.html
马尔科夫链
https://mp.weixin.qq.com/s/J9OmqFzQK-GS95FjgAJkTw
浅析PageRank算法
https://mp.weixin.qq.com/s/fGaEYvo3WYKdzA3r8l6O3g
基于TextRank算法的文本摘要
https://mp.weixin.qq.com/s/0ZNsP7sEfagZhjyaLZohSQ
程序员拒绝单曲循环:曲子只有5分钟,也得不重样播放450多天
https://mp.weixin.qq.com/s/TyOYhId90N0Cm7nw98nXMg
PageRank、最小生成树:ML开发者应该了解的五种图算法
https://mp.weixin.qq.com/s/4N14KhSjNt3_TvVzu4IrgQ
抽取式摘要:TextRank和BertSum
https://mp.weixin.qq.com/s/Q64r99Fxtut9_9hW9smL7g
从PageRank到反欺诈与TextRank
强连通分量算法+
http://ishare.iask.sina.com.cn/f/34626295.html
矩阵不可约的充要条件
http://www.cnblogs.com/saltless/archive/2010/11/08/1871430.html
求强连通分量的Tarjan算法
http://blog.csdn.net/dm_vincent/article/details/8554244
求解强连通分量算法之—Kosaraju算法
http://www.cnblogs.com/luweiseu/archive/2012/07/14/2591370.html
强连通分支算法–Kosaraju算法、Tarjan算法和Gabow算法
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK