IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> CS224W图机器学习笔记14-图生成模型 -> 正文阅读

[人工智能]CS224W图机器学习笔记14-图生成模型

图神经网络

课程和PPT主页

我们现在大部分的工作都是建立一个条件之上-图神经网络的输入输入数据(图)是已知的。假设图是未知的,那么我们应该怎么生成图呢?
在这里插入图片描述
答案是:使用图生成模型(graph generative model)生成任务所需要的图。
在这里插入图片描述
不单是图未知的情况需要使用到图生成,还有以下几个原因:
在这里插入图片描述
学习图生成可以分为以下三步:
在这里插入图片描述

Properties of Real-world Graphs

真实图(相对于随机图)主要有以下几个重要属性:

  • 度分布(Degree distribution) P ( k ) P(k) P(k)
  • 聚类系数(Clustering coefficient) C C C
  • 连通分量(Connected components) s s s
  • 最短路径长度(Path length) h h h

度分布(Degree distribution) P ( k ) P(k) P(k)
在这里插入图片描述
聚类系数(Clustering coefficient) C C C
集聚系数(也称群聚系数、集群系数)是用来描述一个图中的顶点之间结集成团的程度的系数。在社交网络可理解为某个人的两个朋友之间成为朋友概率。
在这里插入图片描述

连通分量(Connected components) s s s
在这里插入图片描述

最短路径长度(Path length) h h h
这里需要注意一个概率,就是图的直径(Diameter)指的是在图中各个节点对之间最短路径的最大值,不过为了考虑鲁棒性(防止图中有一个节点对的最短路径特别大,从而导致图的直径也变得特别大),一般取的是平均最短路径长度且忽略不连通的节点对的无限长距离。
在这里插入图片描述
下面以MSN网络为例,解释说明这几个图的属性。首先给出MSN网络的一些基本参数。
在这里插入图片描述
度分布(Degree distribution) P ( k ) P(k) P(k)
我们将度数和数量可视化之后,可发现该图的度服从幂律分布(其实绝大部分真实图的度都服从幂律分布)。
在这里插入图片描述
但是上面可以发现可视化效果不是很好,然后横纵坐标都设置为 1 0 k 10^k 10k次方的尺度使得我们更容易的进行可视化分析。

在这里插入图片描述
聚类系数(Clustering coefficient) C C C
在这里插入图片描述
连通分量(Connected components) s s s
从下图还可发现大小为1的连通分量个数约有 1 0 6 10^6 106个,也就是孤立节点约有 1 0 6 10^6 106个。
在这里插入图片描述

最短路径长度(Path length) h h h
在这里插入图片描述
在这里插入图片描述

ER随机图

和社区检测(Community Detection)一样,图生成也需要一个对比模型,下面将更深入地学习ER随机图。

ER随机图有两个变体,其中一种比较常用的是: G n p G_{np} Gnp?在有n个节点的无向图中,节点对间的边以概率p生成。
在这里插入图片描述
并且需要注意的是,参数n和p并不能唯一确定一个图。
在这里插入图片描述
然后我们来看看随机图 G n p G_{np} Gnp?几大常用属性,且和真实图做个对比。

  • 度分布(Degree distribution) P ( k ) P(k) P(k)

随机图 G n p G_{np} Gnp?很多属性都可以使用数学公式直接推导出来。
随机图的度分布服从二项分布,当n足够大时,可视为服从正态分布;真实图的度分布服从幂律分布。
在这里插入图片描述

  • 聚类系数(Clustering coefficient) C C C

随机图的聚类系数非常小,现实图比较大。
在这里插入图片描述

  • 连通分量(Connected components) s s s
    在这里插入图片描述
    在这里插入图片描述
    真实图和随机图主要在度分布和聚类系数上存在差异,而其他的属性,比如平均路径长度、度序列等都是类似。
    在这里插入图片描述

The Small-World Model

ER模型生成的ER随机图有两个缺点:一是度分布服从二项分布;二是聚类系数过小。

而Small-World模型解决的就是ER随机图聚类系数过小的问题。Small-World模型生成的Small-World图可同时拥有正则图的High clustering coefficient和ER随机图的Low diameter的优点。

在这里插入图片描述
在MSN网络中,真实图比ER随机图的聚类系数高七个数量级。
在这里插入图片描述
Small-World图可同时拥有正则图和ER随机图的优点。
在这里插入图片描述
生成Small-World图主要分为两步:
在这里插入图片描述
在这里插入图片描述
需要注意的是,添加或者删除边会减小图的聚类系数,也可缩小图平均距离,我们需要对这两个条件进行折中。
在这里插入图片描述
最后对小世界模型进行一个总结。
在这里插入图片描述
常见的传统图生成模型还有“Kronecker Graph Model”。

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-21 15:22:26  更:2021-08-21 15:29:44 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 18:23:22-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码