第一章 图的基本概念2 -图的性质 Graph properties-基准和资源库Benchmark and Repositories本专栏是Claudio Stamile , Aldo Marzullo , Enrico Deusebio，Graph Machine Learning，Packt ，2021.的读书笔记。官方代码可以从 GitHub上下载。文章目录第一章 图的基本概念2 -图的性

第十六章：下载数据

第三章 无监督图学习3 - 图神经网络 Graph neural networks文章目录第三章 无监督图学习3 - 图神经网络 Graph neural networks前言3.4 图神经网络 Graph neural networks3.4.1 GNNs的其他形式3.4.2 谱卷积 Spectral graph convolution3.4.3空间图卷积 Spectral graph conv

第三章 无监督图学习文章目录第三章 无监督图学习前言3.1 无监督图嵌入路线图3.2 浅嵌入方法 Shallow embedding methods3.2.1 矩阵分解 Matrix factorization3.2.1.1 图因子分解 Graph factorization3.2.1.2 高阶邻近保持嵌入 Higher-order proximity preserved embedding, H

第三章 无监督图学习3 - 图神经网络 Graph neural networks文章目录第三章 无监督图学习3 - 图神经网络 Graph neural networks前言3.4 图神经网络 Graph neural networks3.4.1 GNNs的其他形式3.4.2 谱卷积 Spectral graph convolution3.4.3空间图卷积 Spectral graph conv

第二章 图机器学习简介 Graph Machine Learning文章目录第二章 图机器学习简介 Graph Machine Learning前言1. 环境要求Technical requirements2. 理解图机器学习2.1 机器学习的基本原理2.2 图机器学习的优点3. 广义图嵌入问题 The generalized graph embedding problem3.1 Node2Vec

第四章 监督图学习1 （upervised Graph Learning）文章目录第四章 监督图学习1 （upervised Graph Learning）4.1 前言4.2 环境需求4.3 监督图嵌入路线图4.4 基于特征的方法4.5 浅嵌入方法4.5.1 标签传播算法 Label propagation4.5.2标签扩散算法 Label Spreading Algorithm总结4.1 前言监

第三章 无监督图学习2 - 自编码器 AutoEncoder文章目录第三章 无监督图学习2 - 自编码器 AutoEncoder3.2 自编码器 AutoEncoder3.2.1 TensorFlow和Keras——一个强大的组合3.2.2 第一个自编码器3.2.3 降噪自编码器 Denoising autoencoders3.3 图自编码器 Graph autoencoders总结3.2 自编码