万奢网-名品奢网名表回收网 › 首页 › 查看评论

何时能懂你的心——图卷积神经网络（GCN）

评论 (20)|发表评论

wanhuLee 2023-2-15 15:33 引用

这个具体我没做过，但是我有两种思路，第一个是可以把所有节点的embedding求个平均作为整个图的表示，然后训练一个分类器；第二种是直接把GCN的输出再转化成一个定长的向量作为图的表示再训练分类器。

另外的话，还可以想想怎么把各个图表示成一个大图，可以参考TextGCN的做法，把一个个子图也表示成节点，然后做节点分类。
奢侈品回收 2023-2-15 15:33 引用

想请问一下，对于节点个数不同的图来说，也就是文中所述的N不同，怎么来做graph classification 呢？
奢侈品回收 2023-2-15 15:32 引用

题主说把损失函数改变下即可做图分类，但是图分类则要输入不同的图，它们的X和A矩阵都不一样，甚至大小都不一样，那又怎么确定神经网络架构呢
wanhuLee 2023-2-15 15:31 引用

可以可以
wanhuLee 2023-2-15 15:30 引用

谢谢
名表鉴定大师 2023-2-15 15:30 引用

大佬大佬！
wanhuLee 2023-2-15 15:29 引用

原图没有分开，原图也没有任何的特征可以哪来区分不同节点。
那里的第一个图就是经过GCN提取之后聚类的结果。
奢侈品回收 2023-2-15 15:28 引用

总觉得那个例子其实没有说服力因为原图各种颜色的节点就是相对分开的，所以随机初始化后映射的向量也比较容易保持原图性质。如果原图各种颜色连接的时候混合的很均匀，不可能有这样效果
wanhuLee 2023-2-15 15:28 引用

可以的哈。我安利一篇我们最新的工作[微笑]： Low-rank random tensor for bilinear pooling.
我们证明了只要随机分布满足一些条件，是能够近似某些函数映射的。
名表鉴定大师 2023-2-15 15:27 引用

gcn就是针对图数据来做的，而没有A矩阵的话就相当于没有图了，要么构造一个图出来，要么就没法用gcn
奢侈品回收 2023-2-15 15:27 引用

作者你好！你在文章的后面讨论了gcn的点滴，说得很漂亮！我有一个问题，就是当a不知道的时候，gcn怎么用啊？比如我还是对这篇文章中所说的文本进行半监督分类的话。不知道你有什么意见和看法呢？蟹蟹(*°°)=3
奢侈品回收 2023-2-15 15:26 引用

请问有可以学习的代码吗
奢侈品回收 2023-2-15 15:25 引用

这个我还没搜集过
wanhuLee 2023-2-15 15:25 引用

你好，你提到的，在原数据中同类别的node，经过GCN的提取出的embedding，有参考的git吗
奢侈品回收 2023-2-15 15:24 引用

对，这就相当于不要原始特征了
名表鉴定大师 2023-2-15 15:24 引用

没特征的时候，用单位矩阵当特征，相当于把itemid当成一个特征来用
wanhuLee 2023-2-15 15:23 引用

真的吗？那些kernel都是随机的，感觉提取不到特征吧
wanhuLee 2023-2-15 15:23 引用

CNN 不训练也可以得到有效特征哦～
wanhuLee 2023-2-15 15:22 引用

个人感觉现在使用AWX这个形式的论文少了，更多的是用邻居信息的聚合，学习一个聚合函数和卷积核。
wanhuLee 2023-2-15 15:22 引用

感觉给力