本书包含GNN相关理论知识与实践案例
什么样的图神经网络更具表达能力
大规模图神经网络计算中的算法技术
图神经网络在腾讯反欺诈领域的应用
eBay基于图神经网络的实时风控实践
图神经网络在eBay支付风控中的应用
书名:图神经网络概论与风控场景应用
作者:DataFunConunknown整理
年份:2022年
出版社:
下载链接:如不能下载,请加入微信群
链接: https://pan.baidu.com/s/16-OBQIYCHrpvtMata9mqbQ?pwd=jwms
书籍汇总:
链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp
前言
Distillation(蒸馏技术) Loss的设计方案
Group-pooling step
Attention机制是“拉”的模式,routing机制是“推”的模式。
为什么GNNs有效
从数学的角度来看,将会有更直观的感受:初始层的embedding可以看作
是节点的原始特征,第k层当前节点的embedding是,对其邻居节点的前
一层embedding取均值和该节点前一层embedding加权求和后,使用激
活函数进行非线性变换,以此来更新当前节点的embedding。经过K层之
后的不断迭代,获得更好的表达能力。由于每一层的权重W和偏差B都是可
学习的,GNNs的归纳学习能力使得该模型在新的图当中对于没有遇见的节
点可以进行有效的推理和学习。
借鉴于Transfomer的实践,使用attention机制用来学习边的权重,在这
个过程当中也使用了多头的机制,以此来控制随机因素。
微信群 公众号