SEAL-CI:半监督图分类的PyTorch实现

【文件属性】：
文件名称：SEAL-CI:半监督图分类的PyTorch实现
文件大小：1.13MB
文件格式：ZIP
更新时间：2021-05-01 09:39:03
deep-learning tensorflow machine-learning-algorithms pytorch deepwalk 海豹 ⠀ ⠀⠀ 半监督图分类的PyTorch实现：分层图透视（WWW 2019） 抽象的 节点分类和图分类是两个图学习问题，它们分别预测节点的类标签和图的类标签。 图的节点通常代表现实世界的实体，例如，社交网络中的用户或蛋白质-蛋白质相互作用网络中的蛋白质。 在这项工作中，我们考虑一个更具挑战性但实际上有用的设置，其中节点本身是一个图实例。 这导致了分层图的透视图，这种透视图出现在许多领域中，例如社交网络，生物网络和文档收集。 例如，在社交网络中，一群具有共同兴趣的人形成一个用户组，而许多用户组则通过交互或普通成员相互连接。 我们在层次图中研究节点分类问题，其中“节点”是图实例，例如上述示例中的用户组。 由于标签通常受限于实际数据，因此我们通过谨慎/主动迭代（或简称SEAL-C / AI）设计了两种新颖的半监督解决方案，称为半监督图分类。 SEAL-C / AI采用了一个迭代框架，该框

【文件预览】：
SEAL-CI-master
----seal.jpg(346KB)
----src()
--------seal.py(6KB)
--------param_parser.py(3KB)
--------layers.py(5KB)
--------utils.py(4KB)
--------main.py(437B)
----LICENSE(34KB)
----.github()
--------FUNDING.yml(30B)
----README.md(6KB)
----input()
--------synthetic_edges.csv(33KB)
--------graphs.zip(402KB)
----seal.gif(583KB)