做邀请函用哪个网站好呢,做网站首页文件,代做毕设的网站,动画素材图神经网络--GNN从入门到精通 一、图的基本表示和特征工程1.1 什么是图1.2 图的基本表示1.3 图的性质--度#xff08;degree)1.4 连通图#xff0c;连通分量1.5有向图连通性1.6图直径1.7度中心性1.7特征中心性#xff08; Eigenvector Centrality#xff09;1.8中介中心性 … 图神经网络--GNN从入门到精通 一、图的基本表示和特征工程1.1 什么是图1.2 图的基本表示1.3 图的性质--度degree)1.4 连通图连通分量1.5有向图连通性1.6图直径1.7度中心性1.7特征中心性 Eigenvector Centrality1.8中介中心性 Betweenness Centrality、1.9连接中心性 Closeness1.10PageRank1.10HITS 二、图神经网络2.1GCN 一、图的基本表示和特征工程 1.1 什么是图 图是由节点和边组成的如下图所示。一般图中的节点表示实体对象比如一个用户、一件商品、一辆车、一张银行卡等都可以作为节点边代表事件或者实体之间的特殊关系比如用户和商品之间的购买关系。 1.2 图的基本表示 如何去表示一张图 在数学中我们一般使用邻接矩阵来表示图如上图右边所示。邻接矩阵中的值为 1 表示节点之间有边即有连接关系。所以邻接矩阵其实很好的将图的这种结构信息表达出来了。 此外有的图网络比较庞大故也采用连接列表和邻接列表来表示图。 连接列表只记录存在连接的节点对 邻接列表只记录存在关系的节点对每个节点依次排开只记录与它有关系的节点 1.3 图的性质–度degree) 节点的度(Degree)表示与该节点相连的边的个数记作d(v)。对于n个节点的简单图G(V, E)其度矩阵D为也是一个对角矩阵。 1.4 连通图连通分量 对于一个无向图如果任意的节点i能够通过一些边到达节点j 则称之为连通图 1.5有向图连通性 1.6图直径 图直径两两节点中最长的最短路径 1.7度中心性 1.7特征中心性 Eigenvector Centrality 特征中心性最大特征值对应的特征向量。 1.8中介中心性 Betweenness Centrality、 1.9连接中心性 Closeness 1.10PageRank 基本思路 一个页面很重要如果他被其他重要的pages指向。 每个链接的投票与其源页面的重要性成正比如果具有重要性的页面 i 具有 di 个连出链接则每个链接都会获得 ri / di 投票页面j本身的重要性rj是其连入链接的投票总和 rj 是节点j的importance score 1.10HITS 二、图神经网络 2.1GCN 整体示意图 公式原理