CS224W

Objects는 nodes(vertices)에 담기며 $N$으로 표기한다.Interactions는 edges(links)에 담기며 $E$로 표기한다.node와 edge로 이루어진 전체 system을 graph 혹은 network라고 하며 $G(N,E)$로 표기한다.양방

Node의 위치 및 구조를 파악하기 위한 feature로는 Degree, Centrality, Clustering coefficient, Graphlets가 있다.$k_v$는 node $v$의 edge의 수를 의미한다.edge의 수 = 이웃 node의 수Node deg

Encoder를 통해 노드를 low-dimension인 embedding space로 보냈을 때 그 공간에서 비슷한 곳에 위치하는 노드들이 graph 내에서도 유사성을 띄어야 한다.유사성은 두 노드가 연결되어있는가?, 이웃노드를 공유하는가?, 구조적으로 비슷한 역할을

웹은 각 웹페이지가 노드, 페이지 간의 하이퍼링크가 엣지인 그래프로 표현할 수 있으며 각 웹페이지는 서로 다른 중요도를 가진다.웹에는 방향성이 있어 해당 웹페이지로 연결되는 in-link와 다른 웹페이지로 연결되는 out-link가 있다.In-link가 많을수록 중요도

1.Message Passing and Node Classification References Lecture 5.1: Lecture 5.2: Lecture 5.3:

노드 임베딩이란 그래프 상에서 유사한 노드들이 함수 $f$를 거쳐 $d$차원으로 임베딩 되었을 때에 가까이 위치하도록 만드는 것이다.이 과정에서의 핵심은 low-dimension으로 맵핑을 해주는 인코더와 original network에서의 유사도와 embedding

하나의 GNN layer는 message와 aggregation으로 구성된다.GNN layer는 여러개 쌓을 수 있다.Raw input graph와 computational graph는 다르다. 즉, 여러개의 그래프가 활용될 수 있다.Supervised/ Unsuper

현재까지는 input 그래프가 계산 그래프와 동일하다는 가정이 있었으나 아래와 같은 이유로 부분 그래프를 계산 그래프로 쓸 필요가 있다.Input 그래프는 feature가 부족하여 augmentation 할 필요가 있다.그래프가 sparse 할 경우 가상의 노드나 엣지

우리는 local network neigborhood에 기반하여 노드 임베딩을 생성하고자 한다.이를 위한 다양한 GNN 모델들이 나왔으며 GCN은 element-wise mean pooling+Linear+ReLU를 이용하고 GraphSAGE는 MLP+element-w

Heterogeneous graph는 노드 $V$ 엣지 $E$, 노드의 종류 $T$, 관계성 종류 $R$로 구성된다.GCN은 이전 레이어에서의 이웃 노드와 자기 자신의 임베딩 벡터를 받아 선형변환을 하는 message transformation과 이를 summation

Lecture 11.1: https://www.youtube.com/watch?v=X9yl0pTP9fY&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn&index=31Lecture 11.2: https://www.youtube.

Subgrpah는 노드와 엣지 중 어느 것을 중심으로 subset을 구성하냐에 따라 node-induced subgraph와 edge-induced subgraph로 나뉜다.도메인에 따라 두 방식 중 하나가 선택되며 예를 들어 chemistry는 노드가 중요하므로 no

1. Community Detection in Networks Granovetter's Answer Social network에서의 관계는 가까운 친구와 지인으로 나뉠 수 있다. 구직을 하는 과정에서 친한 친구보다는 지인으로부터 소개를 받는 경우가 많다. Granov

$P(k)$로 나타내며 임의로 선택한 노드가 $k$의 degree를 가질 확률을 의미한다.$N_k$를 degree가 $k$인 노드의 수라 할 때 정규화된 히스토그램은 $P(k)=N_k/N$으로 나타낼 수 있다.$C$로 표기하며 노드 $i$가 이웃들과 어떻게 연결되어 있

Graph generation에는 주어진 그래프와 유사하도록 만드는 task와 제약조건 하에서 최적화되는 그래프를 생성하는 task가 있다. 이번 lecture에서는 전자에 대해 다룬다.하지만 다음과 같은 이유로 그래프 생성은 어려움이 있다.$n$개의 노드를 위해 $n

완벽한 GNN 모델이란 neighborhood structure와 node embedding 사이에 injective function을 가지는 것을 의미한다.즉 같은 구조라면 같은 노드 임베딩을, 다른 구조라면 다른 노드 임베딩을 가져야 한다.Problem 1: 같은

Recommender systems, social network,academic graph, knowledge graph 등 다양한 분야에 large-scale의 그래프가 활용되고 있다.일반적으로 ML 모델은 미니배치를 활용한 SGD를 통해 학습을 한다.이웃노드들로부터