从之前的文中,学习了如何使用图表示学习进行节点分类。在这节中,将讨论另一种方法,消息传递。将引入半监督学习,利用网络中存在的相关性来预测节点标签。其中一个关键概念是集体分类,包括分配初始标签的局部分类器、捕获相关性的关系分类器和传播相关性的集体推理3个步骤。
文章目录
- 1. 主线任务
- 2. 图中的相关性
- 2.1 同质性
- 2.2 影响
- 3. 图节点分类
- 4. 动机
- 5. 半监督学习
- 6. 集体分类
- 7. 问题设定
- 8. 总结与后续
1. 主线任务
举例而言,半监督学习的节点分类任务:
从之前的文中,学习了如何使用图表示学习进行节点分类。在这节中,将讨论另一种方法,消息传递。将引入半监督学习,利用网络中存在的相关性来预测节点标签。其中一个关键概念是集体分类,包括分配初始标签的局部分类器、捕获相关性的关系分类器和传播相关性的集体推理3个步骤。
举例而言,半监督学习的节点分类任务:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1196017.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!