🕸 Как превратить граф в признаки и векторы для машинного обучения
Седьмая лекция курса Graph Machine Learning посвящена Shallow Graph Learning - методам построения представлений графов без глубоких графовых нейросетей.
Внутри:
* Graphlets - небольшие подграфы для описания локальной структуры.
* Laplacian Eigenmaps - построение эмбеддингов через спектр лапласиана.
* Кратчайшие пути и диффузионные расстояния - способы измерять близость вершин.
* Weisfeiler–Lehman - уточнение меток вершин для сравнения структуры графов.
* DeepWalk и Node2vec - обучение эмбеддингов на случайных блужданиях.
* Skip-gram и negative sampling - как обучаются эти представления.
Материал для тех, кто хочет разобраться в основах графовых эмбеддингов перед изучением GNN.
PDF - https://storage.googleapis.com/xavierbresson/lectures/GML/lecture07_shallow_graph_learning.pdf
Седьмая лекция курса Graph Machine Learning посвящена Shallow Graph Learning - методам построения представлений графов без глубоких графовых нейросетей.
Внутри:
* Graphlets - небольшие подграфы для описания локальной структуры.
* Laplacian Eigenmaps - построение эмбеддингов через спектр лапласиана.
* Кратчайшие пути и диффузионные расстояния - способы измерять близость вершин.
* Weisfeiler–Lehman - уточнение меток вершин для сравнения структуры графов.
* DeepWalk и Node2vec - обучение эмбеддингов на случайных блужданиях.
* Skip-gram и negative sampling - как обучаются эти представления.
Материал для тех, кто хочет разобраться в основах графовых эмбеддингов перед изучением GNN.
PDF - https://storage.googleapis.com/xavierbresson/lectures/GML/lecture07_shallow_graph_learning.pdf