ProNE（ IJCAI 2019）
动机： 高效处理大规模网络。（上亿节点） ProNE整体可分为两部分，第一部分对无向图结构的邻接矩阵做稀疏矩阵分解。作者定义了如下损失函数最大化节点 r 和邻居 c 的共现频率p，同时最小化负采样邻居概率： 最小化loss的充分条件是loss对 r i _i i T ^T T c j _j j 的偏导数为0，可得节点 r 和邻居 c 的的距离公式并构造距离矩阵 对距离矩阵 M 做t-SVD(t
相关文章
- 1. 论文笔记：IJCAI-2019-Dynamic Hypergraph Neural Networks
- 2. ijcai statistics
- 3. 2019 几个顶级会议的accepted papers，包括CVPR2019，NeurIPS 2019，ICLR 2019，ICML 2019，IJCAI-19，AAAI 2019
- 4. 论文笔记：2019[IJCAI]Attributed Graph Clustering via Adaptive Graph Convolution
- 5. 【文献阅读】 2019-IJCAI-Sequential Recommender Systems Challenges, Progress and Prospects
- 6. 【论文解读 IJCAI 2019 | PP-GCN】Fine-grained Event Categorization with Heterogeneous GCN
- 7. 【论文解读 IJCAI 2019 | ActiveHNE】Active Heterogeneous Network Embedding
- 8. 【论文解读IJCAI 2019】Extracting Entities and Events as a Single Task Using a Transition-Based NeuralModel
- 9. STAR-GCN：用于推荐系统的图卷积神经网络 IJCAI 2019
- 10. AIS（ACL,IJCAI,SIGIR）(2019)论文报告会，感受大佬的气息...
- 更多相关文章...
- • Thymeleaf表单 - Thymeleaf 教程
- • Git 查看提交历史 - Git 教程
- • Java Agent入门实战（三）-JVM Attach原理与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记：IJCAI-2019-Dynamic Hypergraph Neural Networks
- 2. ijcai statistics
- 3. 2019 几个顶级会议的accepted papers，包括CVPR2019，NeurIPS 2019，ICLR 2019，ICML 2019，IJCAI-19，AAAI 2019
- 4. 论文笔记：2019[IJCAI]Attributed Graph Clustering via Adaptive Graph Convolution
- 5. 【文献阅读】 2019-IJCAI-Sequential Recommender Systems Challenges, Progress and Prospects
- 6. 【论文解读 IJCAI 2019 | PP-GCN】Fine-grained Event Categorization with Heterogeneous GCN
- 7. 【论文解读 IJCAI 2019 | ActiveHNE】Active Heterogeneous Network Embedding
- 8. 【论文解读IJCAI 2019】Extracting Entities and Events as a Single Task Using a Transition-Based NeuralModel
- 9. STAR-GCN：用于推荐系统的图卷积神经网络 IJCAI 2019
- 10. AIS（ACL,IJCAI,SIGIR）(2019)论文报告会，感受大佬的气息...