- 1、本文档共51页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
图结构数据可以对复杂结构的数据进行建模,其中应用非常广泛的任务是
节点分类,并且图结构对任务具有非常重大的影响。和传统的图嵌入方法相比,
图神经网络能够捕获图数据中深层次的拓扑结构信息和节点的特征信息,并且
能够端到端地进行节点表示学习。本文基于图神经网络的节点表示模型,主要
研究了自监督场景中高同质性图的节点表示学习算法以及半监督场景中低同质
性图(即大部分边链接的节点不是同类节点)的节点表示学习算法。
针对图数据具有高同质性和低同质性的两种场景,本文分别提出了两种针
对不同数据
文档评论(0)