To Top
首页 > 深度学习 > 正文

hypergraph相关

标签:hypergraph, 超图


目录

IJCAI 2019 论文解读 | 基于超图网络模型的图网络进化算法

现实生活中很多的数据可以用图(graph)来建模,比如社交网络数据,paper 引用数据等。对于 AI 而言,一个常见的任务是半监督分类,即对图中的每一个点进行分类,在仅有部分点有标注的情况下。

处理理此类问题,比较经典的方法是 GCN,通过对相邻节点的特征聚合操作来对每个节点进行特征提取。GCN 等 GNN 模型对于节点之间的关系表征是二元的,即仅能表征两个节点 <e1,e2> 之间的关系,对于大于二元的关系组只能通过多个二元关系的方式去近似。

超图模型(Hypergraph)就是针对这种情况提出的一种网络结构。不同类型的数据中都存在着多元关系,超图模型的基本设定就是一个边可以包含大于 2 个点,去拟合多元关系。


原创文章,转载请注明出处!
本文链接:http://daiwk.github.io/posts/dl-hypergraph.html
上篇: Listener-Decoder-Speller(LDS)
下篇: 可视化工具

comment here..