包邮PyTorch图神经网络

第1篇 图学习简介
第1章 图学习入门
1.1 使用图的原因
1.2 进行图学习的原因
1.3 构建图神经网络的原因
1.4 小结
1.5 延伸阅读
第2章 图神经网络的图论
2.1 技术要求
2.2 介绍图属性
2.2.1 有向图
2.2.2 加权图
2.2.3 连通图
2.2.4 图的类型
2.3 发现图概念
2.3.1 基础对象
2.3.2 图的度量
2.3.3 邻接矩阵表示
2.3.4 边列表
2.3.5 邻接列表
2.4 探索图算法
2.4.1 广度优先搜索
2.4.2 深度优先搜索
2.5 小结
第2篇 基础知识
第3章 使用DeepWalk创建节点表示
3.1 技术要求
3.2 Word2Vec简介
3.2.1 CBOW与skip-gram
3.2.2 创建skip-gram
3.2.3 skip-gram模型
3.3 Deep Walk和随机游走
3.4 实现 DeepWalk
3.5 小结
3.6 延伸阅读
第4章 在Node2Vec中使用有偏随机游走改进嵌入
4.1 技术要求
4.2 Node2Vec简介
4.2.1 定义邻域
4.2.2 在随机游走中引入偏差
4.3 实现Node2Vec
4.4 构建电影推荐系统
4.4.1 基于用户评分创建电影连接图
4.4.2 实现电影推荐系统
4.5 小结
4.6 延伸阅读
第5章 使用普通神经网络包含节点特征
5.1 技术要求
5.2 图数据集介绍
5.2.1 Cora数据集
5.2.2 Facebook Page-Page数据集
5.3 使用普通神经网络对节点进行分类
5.3.1 转换数据
5.3.2 创建自定义多层感知器类
……
第3篇 高级技术
第4篇 应用