超图神经网络(HGNN)
1.超图基础概念
传统的图网络结构,两点之间就可以引入一条边链接;
但在某些特定的领域,一条边可能链接的不止两个点,我们便引入了超图
比如:同一个班级,一个班级可以连接很多个学生;一个IP下有很多个用户,我们可以用超边来表示这个班级或这个IP;
一个超图可以拥有任意数量的节点,如果所有超边都连接两个节点那么就退化为简单图;
2.多模态的超图构建
面对多模态的场景:可以做视觉连接,文本连接和社交连接,所以将这些放入到超图结构中去解决的时候会比简单图简单很多
那么,多模态数据下如何构建超图如何利用算法去求得节点特征的呢?
g r o u p 1 group1 group1是一个模态的超图, g r o u p N group N groupN是另一个模态的图,将多个模态拼接到一起,构建多模态超图;
超图数据形式如上图:行是超边、列是节点 ;有连接则为1,否则为0;
W是每一个超边被赋予的权值,初始化W为一个单位阵,意味着所有超边的权重都是相同的,W可以根据模型去训练,也可以固定为单位阵;
2.1节点的度:
2.2超边的度:
2.3更新公式:
GCN的更新公式:
超图的更新公式:
D v D_v Dv是超边的度矩阵;
D e D_e De是顶点的度矩阵;
W W W是权重矩阵;
H H H是超图的邻接矩阵;
X ( l ) X^{(l)} X(l)是节点第L层的特征;
θ ( l ) \theta^{(l)} θ(l)是全连接层;(对 X ( l ) X^{(l)} X(l)进行特征转换)
举个实际的例子:
第一步:因为 θ ( l ) \theta^{(l)} θ(l)是个可训练参数,先不去看 θ ( l ) \theta^{(l)} θ(l);
第二步: D v − 1 / 2 D_v^{-1/2} Dv−1/2 D e − 1 D_e^{-1} De−1 D v − 1 / 2 D_v^{-1/2} Dv−1/2是归一化操作也可先不看他们;
第三步:构建超边特征: H T H^T HT X X X是将超边邻居节点都聚合到超边上(求和)
第四步:节点特征更新: H ∗ H* H∗ H T H^T HT X X X
第五步:利用 D v − 1 / 2 D_v^{-1/2} Dv−1/2 D e − 1 D_e^{-1} De−1 D v − 1 / 2 D_v^{-1/2} Dv−1/2完成归一化操作;
注:需要训练的参数,前部分的时候可以把他们看成固定的值
GCN与HGNN虽然计算出来的值有一定的差别,但是他们本质上的思想是差不多的,GCN可以说是一种特殊的HGNN
3.实验:
1.Cora引文数据集,超图结构与原始结构很相似,并没有加入更多的信息,所以效果提升的比较少;
2.视觉分类任务:
本质上是一种无图结构,作者每次选择数据集的一个节点,利用其在所选特征空间中的10个最近邻生成一个包括改节点本身的超边;
3.ModelNet40:
4.总结
超图结构能够表达复杂的、高阶的数据之间的相关性,与图结构或无图结构的方法相比,能更好的表示底层数据之间的关系。此外,当多模态数据\特征可用时,HGNN具有通过其灵活的超边将这些多模态信息结合在同一结构中的优势;
超图神经网络(HGNN)相关推荐
- 图神经网络(GCN)与超图神经网络(HGN):区别与联系
先放论文: 图神经网络(GCN): https://arxiv.org/pdf/1606.09375.pdfhttps://arxiv.org/pdf/1606.09375.pdf 超图神经网络(HG ...
- PyG (PyTorch Geometric) 异质图神经网络HGNN
诸神缄默不语-个人CSDN博文目录 PyTorch Geometric (PyG) 包文档与官方代码示例学习笔记(持续更新ing-) 本文介绍使用PyG实现异质图神经网络(HGNN)的相关操作. 本文 ...
- Hypergraph Neural Networks HGNN
Hypergraph Neural Networks HGNN论文阅读 [摘要]在本文中,我们提出了一个用于数据表示学习的超图神经网络(HGNN)框架 ①它可以在超图结构中编码高阶数据相关性.面对在实 ...
- 对“超图学习”相关优势及适用范围的学习及整理
主要参考的文献为高跃老师实验室发表的多篇论文,以及最新的超图相关论文: [1] Yifan Feng, Haoxuan You, Zizhao Zhang, Rongrong Ji, Yue Gao, ...
- 2019_AAAI_Hypergraph neural networks
[论文阅读笔记]2019_AAAI_Hypergraph neural networks 论文下载地址: https://deepai.org/publication/hypergraph-neura ...
- You're AllSet! 以多重集函数角度重新检视超图GNN
来源:深度学习与图网络 本文约1700字,建议阅读5分钟 本文针对超图神经网络提出了一个泛用的框架AllSet. 文章信息: Title: You are AllSet: A Multiset Lea ...
- (HGNN) Hypergraph Neural Networks
Hypergraph Neural Networks 1.Abstract 提出了一个用于数据表示学习的超图神经网络(HGNN)框架,它可以在超图结构中编码高阶数据相关性.面对在实际实践中学习复杂数据 ...
- 干货!基于神经网络的多粒度图表征学习
点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入! 图是建模实体与实体之间关系的常用数据结构.近年来,图数据挖掘引起了学术界和工业界广泛的关注,如分类.聚类等等.然而图相似度学习这一任务却 ...
- [HyperGraph专题]HGNN+:General Hypergraph Neural Networks
最近在做和超图相关的工作,自己主要偏编码的工作,但在敲代码和参考其他现有超图库的过程中发现了一个叫DeepHypergrah的库,里面涉及了很多和深度学习相关的内容,用到了pytorch.scipy. ...
最新文章
- 虚幻UE4常见问题最全集合
- 【学习笔记】供应链金融简介(精华)
- VLC播放器如何录制rtsp流生成视频文件?
- 这门国产编程语言,确实很棒!
- ux的重要性_UX中清晰的重要性
- Selenium学习笔记||三、BeautifulSoup
- 《WINDOWS游戏编程之从零开始》第三章学习笔记
- android 5.0 截屏权限,Android 5.0 无Root权限实现截屏
- 工信部:将于近期发放5G商用牌照
- 根据pc值确定出错的代码位置
- 子集全排列组合数问题(带你轻松拿捏十一道OJ题)
- POJ1017-Packets
- java 文件转换成流_java -IO流_转换流
- HDU 1236 排名(Microsoft_zzt)
- 使用Xpath爬取校花网,致敬10年前的校花『和』我们逝去的青春
- c语言班级成绩统计分析系统,C语言课设-班级成绩统计分析
- iOS 最新 真机包 调试包(15.5 、15.2、15.0、14.8、14.7.1、14.7等等)
- Python替换图片上一些颜色
- Quartz画图函数笔记
- Bend Radius—How It Can Impact Your Cable Performance?