SEAL-CI:半监督图分类的PyTorch实现

上传者: 42097189 | 上传时间: 2022-08-05 15:53:49 | 文件大小: 1.13MB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 12 个子文件 1.13MB ) SEAL-CI:半监督图分类的PyTorch实现","children":[{"title":"SEAL-CI-master","children":[{"title":"seal.jpg <span style='color:#111;'> 346.40KB </span>","children":null,"spread":false},{"title":"src","children":[{"title":"seal.py <span style='color:#111;'> 5.59KB </span>","children":null,"spread":false},{"title":"param_parser.py <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false},{"title":"layers.py <span style='color:#111;'> 5.17KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 4.34KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 437B </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 34.33KB </span>","children":null,"spread":false},{"title":".github","children":[{"title":"FUNDING.yml <span style='color:#111;'> 30B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 6.38KB </span>","children":null,"spread":false},{"title":"input","children":[{"title":"synthetic_edges.csv <span style='color:#111;'> 33.48KB </span>","children":null,"spread":false},{"title":"graphs.zip <span style='color:#111;'> 401.94KB </span>","children":null,"spread":false}],"spread":true},{"title":"seal.gif <span style='color:#111;'> 583.06KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明