주뇽's 저장소

https://web.stanford.edu/class/cs224w 목차 - 노드임베딩 전통적인 머신러닝 표현학습 - 노드 임베딩 인코더와 디코더 - 노드의 유사성을 측정하는 방법 : Random Walks 👉 Node embedding 노드 임베딩은 각 노드를 저차원 벡터로 표현하는 것 노드 임베딩은 노드 분류, 링크 예측, 그래프 분류 등 다양한 태스크에 활용 가능 1. 기존 전통적인 방식의 노드임베딩 기존 전통적인 방식에서는 다른 머신러닝과 마찬가지로 Feaure engineering에 신경을 많이 썼다. 2. 그래프의 표현학습 표현 학습의 목표 : 그래프 머신러닝에서 효율적인 특성을 학습하는 것! 👉 Node embedding : Encoder And Decoder Encoder : 원본 그..

https://web.stanford.edu/class/cs224w 목차 - 그래프 표현 선택 - 방향 그래프와 무방향 그래프 - 이분 그래프 - 인접 행렬 👉 그래프 표현 선택 1. 동종그래프 2. 이종그래프 1. 일반적인 그래프(동종) 그래프는 노드와 엣지로 구성되어 있고 수식으로 G(V, E)로 표현한다. 일반적인 그래프는 아래와 같이 동종의 그래프이다. 노드의 특징이 동일하며 노드와 노드를 연결하는 엣지들이 존재한다. 아래와 같은 노드와 엣지를 가진 그래프가 있을 때 Actor1과 Actor2는 Movie1에 같이 출연했다로 해석할 수 있다. 노드 : 배우 엣지 : 영화 2. Heterogeneous graph(이종 그래프) 이종 그래프는 위의 동종의 그래프와는 다르게 노드가 단일 종류가 아닌 여..

https://web.stanford.edu/class/cs224w/ 목차 - 왜 그래프인가 - GNN의 어려움 🤔 왜 그래프인가? 그래프는 관계/상호 작용이 있는 엔티티를 설명하고 분석하기 위한 일반적인 언어이다. 그렇다면 관계 또는 상호작용이 있는 엔티티란 무엇일까? 아래의 다양한 형태의 데이터 그래프를 보면 직관적으로 이해하기 쉽다. 다양한 형태의 데이터 그래프 아래 그림과 같이 소셜 네트워크, 지하철 노선도, 인터넷, 네트워크, 분자구조 등 다양한 데이터들은 그래프로 표현이 가능하다. 🤖 그래프 머신러닝 위 그림에서와 같이 복잡한 도메인은 풍부한 관계 구조를 가지고 있으며, 이는 관계 그래프로 표현할 수 있다. 그래프 머신러닝은 이러한 관계를 명시적으로 모델링함으로써 더 나은 성능을 얻을 수 있다..