본문 바로가기

adjacency matrix2

[Graph Neural Network] Traditional Feature-based Method 머신러닝 모델에서 graph를 사용하기 위해서는 feature를 얻고 이를 기반으로 예측을 해야한다. graph는 node -level , link -level , graph-level 에서의 feature을 디자인할 수 있다. 쉽게 이해하기 위해 undirected graphs를 기준으로 node, link, graph를 알아보자.Node-levelnode-level의 task는 보통 node classification이다. 즉, node의 구조와 위치에 대한 feature을 얻는 것이 목표인 것이다. 이를 위해 우리가 알아야 할 개념은 node degree, node contrality, clustering coefficient, graphlet이다.node degree ($k_v$)는 어떤 node.. 2024. 8. 22.
[Graph Neural Network] Graph Representation GNN은 Graph Neural Network로, 이름처럼 graph를 이용한 신경망이다. 이를 이해하기 전에 먼저 graph에 대해 이해해보자.network를 이루는 구성 요소는 objects, interaction, system인데 우리가 다룰 graph에서는 각각 node, link, graph(network)로, 순서대로 $N$, $E$, $G(N,E)$라고 표현한다. graph의 장점은 specific cases를 general하게 표현할 수 있다는 것이다.graph에는 directed와 undirected가 있다. 이름에서 바로 알 수 있듯이, directed는 방향이 존재하는 것, undirected는 방향이 존재하지 않는 것이다. 어떤 node로부터 인접한 edges의 수를 node deg.. 2024. 8. 21.

티스토리툴바