网站带后台,品牌网页设计图片,网站悬浮图标怎么做,产品推广方案推广思路和方法半监督节点分类#xff1a;标签传播和消息传递
半监督节点分类问题的常见解决方法#xff1a;
特征工程图嵌入表示学习标签传播图神经网络
基于“物以类聚#xff0c;人以群分”的Homophily假设#xff0c;讲解了Label Propagation、Relational Classification#xff…半监督节点分类标签传播和消息传递
半监督节点分类问题的常见解决方法
特征工程图嵌入表示学习标签传播图神经网络
基于“物以类聚人以群分”的Homophily假设讲解了Label Propagation、Relational Classification标签传播、Iterative Classification、Correct SmoothC S、Loopy Belief Propagation消息传递、Masked Lable Prediction等半监督和自监督节点分类方法。这些方法经常被用于节点分类任务的Baseline比较基线。消息传递和聚合的思路也影响了后续图神经网络的设计。
半监督节点分类 Transductive 直推式学习-Inductive 归纳式学习
半监督节点分类问题求解思路
节点特征工程节点表示学习图嵌入标签传播消息传递图神经网络
半监督节点分类问题-求解方法对比
方法图嵌入表示学习使用属性特征使用标注直推式归纳式人工特征工程是否否否//基于随机游走的方法是是否否是否基于矩阵分解的方法是是否否是否标签传播否否是/否是是否图神经网络是是是是是是人工特征工程节点重要度、集群系数、Graphlet等。 基于随机游走的方法构造自监督表示学习任务实现图嵌入。无法泛化到新节点。 例如DeepWalk、Node2Vec、LINE、SDNE等。 标签传播假设“物以类聚人以群分”利用邻域节点类别猜测当前节点类别。无法泛化到新节点。 例如Label Propagation、Iterative Classification、Belief Propagation、Correct Smooth等。 图神经网络利用深度学习和神经网络构造邻域节点信息聚合计算图实现节点嵌入和类别预测。 可泛化到新节点。 例如GCN、GraphSAGE、GAT、GIN等。
标签传播和集体分类
Label PropagationRelational ClassificationIterative ClassificationCorrect SmoothBelief PropagationMasked Lable Prediction
具有相似属性特征的节点更可能相连且有相同类别 具有相似属性特征的节点更可能相连且具有相同类别
社群检测算法代码
# 运行社群检测算法
from networkx.algorithms import community
communities community.label_propagation_communities(G)#获得每个社群的节点
node_groups []
for com in communities:node_groups.append(list(com))
print(node_groups)#每个社群的分配颜色
color_mpa []
for node_id in G:if node_id in node_groups[0]:color_map.append(blue)elif node_id in node_groups[1]:color_map.append(red)else:color_map.append(green)#可视化
nx.draw(G,node_colorcolor_map,with_labels True)
pit.show()参考资料
子豪兄视频https://www.bilibili.com/video/BV1184y1G7pA/ GITHUB页面https://github.com/TommyZihao/zihao_course/edit/main/CS224W/5-Semi.md
