graph
[ARC105E] Keep Graph Disconnected 题解
题意 给定一张由 \(N\) 个点和 \(M\) 条边组成的简单无向图 \(G\)，定义一个无向图是好的当且仅当这张图满足以下条件： \(1\) 号节点和 \(N\) 号节点不联通 图中不存在重边和自环 现有两人轮流采取操作，每轮操作如下： 选择两个点 \(u, v\)，将边 \((u, v)\) ......
题解 LOJ3483【[USACO21FEB] Counting Graphs P】
题解 P7418【[USACO21FEB] Counting Graphs P】 problem Bessie 有一个连通无向图 \(G\)。\(G\) 有 \(N\) 个编号为 \(1\ldots N\) 的结点，以及 \(M\) 条边（\(1\le N\le 10^2, N-1\le M\le ......
【欧拉图】Euler Graph（Fluery算法，Hierholzer算法）
还在持续更新ing 前言 此乃小 Oler 的一篇算法随笔，从今日后，还会进行详细的修订。 注明：有参考自论文《欧拉图相关的生成与计数问题探究》 简单介绍 著名的哥尼斯堡七桥问题是18世纪著名的古典数学问题之一，该问题在相当长的时间里无人能解。欧拉经过研究，于1736年发表了论文《哥尼斯堡的七座桥》 ......
Nebula Graph开源分布式图数据库,万亿级数据,毫秒级延时
推荐一个分布式图数据库Nebula Graph,万亿级数据,毫秒级延时 什么是Nebula Graph Nebula Graph 是一款开源的、分布式的、易扩展的原生图数据库，能够承载包含数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询 什么是图数据库 图数据库是专门存储庞大的图形网络并从 ......
Distilling Knowledge from Graph Convolutional Networks
目录概符号说明DistillGCNLocal Structure Preserving代码 Yang Y., Qiu J., Song M., Tao D. and Wang X. Distilling knowledge from graph convolutional networks. CVP ......
植物图形泛基因组Graph-based pan-genome
目录图形泛基因组的构建图泛构建方法获取和合并PAV变异图泛的存储格式线性参考基因组坐标的恢复图泛的可视化图泛的注释基因结构注释图泛的变异注释结构变异鉴定与基因分型图泛比对软件的优势图泛的应用功能元件的鉴定现有物种中的图泛规模基于图泛的GWAS未来应用结论与未来展望 图形泛基因组（图泛）以节点和路径的 ......
《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记
论文标题 《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》 干什么活：交通流预测（traffic flow forecasting ） 方法：动态图卷积网络（Dynamic Graph Convolu ......
Graph Neural Networks with Adaptive Residual
目录概符号说明AirGNN代码 Liu X., Ding J., Jin W., Xu H., Ma Y., Liu Z. and Tang J. Graph neural networks with adaptive residual. NIPS, 2021. 概 基于 UGNN 框架的一个更加鲁 ......
Is Homophily a Necessity for Graph Neural Networks?
目录概 Ma Y., Liu X., Shah N. and Tang J. Is homophily a necessity for graph neural networks? ICLR, 2022. 概 探究 Homophily 假设 (即相互连接的结点相似) 对于 GCN 发挥效果是否是必须 ......
神经网络基础篇：史上最详细_详解计算图（Computation Graph）
计算图 可以说，一个神经网络的计算，都是按照前向或反向传播过程组织的。首先计算出一个新的网络的输出（前向过程），紧接着进行一个反向传输操作。后者用来计算出对应的梯度或导数。计算图解释了为什么用这种方式组织这些计算过程。在这个博客中，将举一个例子说明计算图是什么。让举一个比逻辑回归更加简单的，或者说不 ......
GraphPrompt: Unifying Pre-Training and Downstream Tasks for Graph Neural Networks
目录概符号说明GraphPrompt代码 Liu Z., Yu X., Fang Y. and Zhang X. GraphPrompt: Unifying pre-training and downstream tasks for graph neural networks. WWW, 2023. ......
GPT-GNN: Generative Pre-Training of Graph Neural Networks
目录概符号说明GPT-GNN代码 Hu Z., Dong Y., Wang K., Chang K. and Sun Y. GPT-GNN: Generative pre-training of graph neural networks. KDD, 2020. 概 比较早的一篇图预训练模型. 符号 ......
UniKGQA Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph
目录概主要内容代码 Jiang J., Zhou K., Zhao W. and Wen J. UniKGQA: Unified retrieval and reasoning for solving multi-hop question answering over knowledge graph ......
论文阅读：Unifying Large Language Model and Knowledge Graph：A RoadMap
1 Introduction 大模型和知识图谱结合的综述。 简单介绍一下大模型和知识图谱的优缺点： 如上所示。 本文主要划分为三个模块，分别为： KG-enhanced LLMs LLM-augmented KGs Synergized LLM + KG 2 Background 主要介绍了LLM和 ......
GRLSTM：基于图的残差LSTM轨迹相似性计算《GRLSTM: Trajectory Similarity Computation with Graph-Based Residual LSTM》(知识图谱嵌入、图神经网络、残差网络、点融合图、多头图注意力网络GAT、残差LSTM、点感知损失函数(图的点损失函数、轨迹的点损失函数))
2023年10月18日，14:14。 来不及了，这一篇还是看的翻译。 论文：GRLSTM: Trajectory Similarity Computation with Graph-Based Residual LSTM(需要工具才能访问) Github： AAAI 2023的论文。 摘要 轨迹相似 ......
Sampling from Large Graphs
目录概主要内容 Leskovec J. and Faloutsos C. Sampling from large graphs. KDD, 2006. 概 讨论了不同稀疏化方法对于 large-graph 的`结构' 的保持. 主要内容 作者本文的目的是希望比较不同的'稀疏化'方法: 利用一些方法从 ......
Robust Graph Representation Learning via Neural Sparsification
目录概符号说明NeuralSparse Zheng C., Zong B., Cheng W., Song D., Ni J., Yu W., Chen H. and Wang W. Robust graph representation learning via neural sparsifica ......
学习笔记：Graph WaveNet
学习和复现一下经典模型Graph WaveNet，事实证明结果跟现在的比也差不了多少，速度也挺快。目前就先把经典模型都学习一遍吧。 ......
论文阅读（四）—— Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
 会产生贡献的问题，要考虑一下能不能先统一染成一个颜色，然后看改变颜色后会产 ......
Graph Wave Net模型中的数据集hdf5和pkl文件的读取问题
引入：GraphWaveNet的流量数据的文件格式是.h5，路网结构文件格式是.pkl，它们怎么打开呢？ HDF5 HDF5文件一般以 .h5 或者 .hdf5 作为后缀名，其中包含两种结构：Group（文件夹）和Datasets（数据） python可以使用 h5py 或 pandas 打开.h5 ......
Triangle Graph Interest Network for Click-through Rate Prediction
目录概TGINMotivation: Triangle 的重要性Model代码 Jiang W., Jiao Y., Wang Q., Liang C., Guo L., Zhang Y., Sun Z., Xiong Y. and Zhu Y. Triangle graph interest ne ......
Dual Graph enhanced Embedding Neural Network for CTR Prediction
目录概DG-ENN Guo W., Su R., Tan R., Guo H., Zhang Y., Liu Z., Tang R. and He X. Dual graph enhanced embedding neural network for ctr prediction. KDD, 202 ......
【Unity3D】Shader Graph简介
1 Shader Graph 简介 Shader Graph 是 Unity 官方在 2018 年推出的 Shader 制作插件，是图形化的 Shader 制作工具，类似于 Blender 中的 Shader Editor 和 UE 中的 Material Editor，它使用流程图的形式表达顶 ......
Trying to backward through the graph a second time
原因是把创建loss的语句loss_aux = torch.tensor(0.)放在循环体外了，可能的解释是第一次backward后把计算图删除，第二次backward就会找不到父节点，也就无法反向传播。参考：https://stackoverflow.com/questions/55268726/ ......
Fi-GNN: Modeling Feature Interactions via Graph Neural Networks for CTR Prediction
目录概Fi-GNN代码 Li Z., Cui Z., Wu S., Zhang X. and Wang L. Fi-GNN: Modeling feature interactions via graph neural networks for ctr prediction. CIKM, 2019. ......
Graph Laplacian for Semi-Supervised Learning
目录概符号说明Graph-Laplacian for SSL Streicher O. and Gilboa G. Graph laplacian for semi-supervised learning. arXiv preprint arXiv:2301.04956, 2023. 概 标题取得有 ......
Graph RAG: 知识图谱结合 LLM 的检索增强
RAG（Retrieval Argumented Generation）这种基于特定任务/问题的文档检索范式中，我们通常先收集必要的上下文，然后利用具有认知能力的机器学习模型进行上下文学习（in-context learning），来合成任务的答案。这次，我们借助 LLM 的力量，强化下 RAG。 ......