-
图学习技术和图神经网络应用分析 | OpenGraph模型解决挑战
本文对图学习技术和图神经网络在多个领域的应用进行了分析,介绍了OpenGraph模型如何解决跨数据集、节点间关系建模和数据稀缺等挑战,为零样本学习提供了新的解决方案。- 92
- 0
-
GraphSAGE节点嵌入学习方法及Pytorch Geometric库使用教程
了解GraphSAGE节点嵌入学习方法,使用Pytorch Geometric库将图转换为Pytorch Tensor格式,并介绍邻居信息的采样方法。- 135
- 0
-
-
图神经网络uGrapher优化算子性能提升3.5倍
阿里云PAI和上海交大团队合作的uGrapher提供了高性能的图神经网络图算子计算支持,性能提升3.5倍,解决了静态kernel在不同图数据上的性能问题。- 375
- 0
-
基于NebulaGraph的图数据库ID识别方法综述
本文是一个基于 NebulaGraph 上的图数据库、图算法、图神经网络的 ID Resolution/ID Mapping 方法综述,介绍了用户 ID 识别的方法及数据写入操作。- 214
- 0
-
图神经网络学习笔记(七)Message Passing and Node Classification
本文介绍了图神经网络中的message passing方法及节点分类的相关内容,包括半监督学习、马尔科夫假设等,旨在帮助读者了解图神经网络中的节点分类问题。- 83
- 0
-
美团到店推荐广告团队在图神经网络的长期落地实践
本文介绍了美团到店推荐广告团队基于图神经网络的长期实践经验,包括模型设计思路、大规模训练工具及线上部署性能优化等,对推荐系统领域的从业者具有一定的启发作用。- 466
- 0
-
-
-
-
-
AMGNET: Multi-Scale Graph Neural Networks for Flow Field Prediction – 飞桨复现技术要点
本文章介绍了基于飞桨复现《AMGNET: multi-scale graph neural networks for flow field prediction》论文的技术要点,主要涉及多尺度图神经网络在流场预测中的应用,以及飞桨在模型复现过程中的关键技术。- 163
- 0
-
-
Specformer: 新的图神经网络架构在ICLR 2023上的最新中稿论文
本文介绍了北邮 GAMMA Lab在ICLR 2023上的最新中稿论文,介绍了一种新的图神经网络架构,称为\"Specformer\",可以在处理图结构数据时结合频谱滤波器和Transformer模型的优势。- 418
- 0
-
[论文阅读] 向量表征经典之DeepWalk:从Word2vec到DeepWalk,再到Asm2vec和Log2vec
本文介绍了图神经网络发展历程以及向量表征的发展历程,包括从Word2vec到Deepwalk的发展缘由,以及将其扩展到网络化数据上的相关工作。同时也提到了与安全领域相关的扩展应用,如Asm2Vec和Log2Vec。- 92
- 0
-
图学习温故以及初探Paddle Graph Learning (PGL)构建属于你的图【系列三】
本文介绍了图学习的基础知识,包括图的类型、节点级别任务、目标检测、推荐系统等内容,并探讨了图游走类算法、图神经网络算法和知识图谱嵌入算法。- 495
- 0
-
探索“图神经网络如何超越Weisfeiler-Lehman算法”的新视角
本文探讨了基于邻居子图局部同构的新理论,提出了GraphSNN,并在多个区分图结构的数据集上取得了SOTA,对图神经网络的表达能力进行了深入研究。- 299
- 0
-
-
-
-
基于UniMP算法的论文引用网络节点分类任务介绍
本文介绍了基于UniMP算法的论文引用网络节点分类任务,包括赛题介绍、数据描述以及相关资料,旨在帮助读者了解图神经网络中的节点分类问题及其解决方法。- 274
- 0
-
【干货】华为云图数据库GES技术演进
本文分享自华为云社区《【干货】华为云图数据库GES技术演进》,作者: Chenyi。文章介绍了大规模图数据的重要性以及图数据库在数据规模、多维关系、时空动态性、异构计算体现上面临的新挑战。同时,还探讨了图数据库的核心能力和应用场景,并提供了关于图相关技术和查询语言的趋- 369
- 0
-
Kumo.AI推出新的预测性AI平台,快速创建和部署先进模型
Kumo.AI宣布推出新的预测性AI平台,利用图神经网络技术,快速构建和部署先进的AI模型,赋予数据科学家们更高准确性的预测能力。- 246
- 0
-
深度学习和图神经网络对推荐系统的影响及其挑战
本篇文章讨论了深度学习和图神经网络对推荐系统的影响,以及现有推荐算法面临的挑战。同时介绍了利用大语言模型促进推荐算法表征学习的框架RLMRec,并分别基于对比式学习和生成式学习构建了RLMRec-Con和RLMRec-Gen两套范式。- 143
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!