-
[GNN] 0. GNN 논문 공부 순서AI/GNN 2022. 2. 12. 17:29728x90
[GNN] 0. GNN 논문 공부 순서
이 공부 순서는 CS224w와 Survey Paper, 그리고 여러 블로그들을 참고하여 작성되었다.
목차
1. Graph란?
- 왜 Graph?
- Graph의 종류
- Graph의 표현
- Graph Tasks
- Graph의 Motif
2. Graph Representation Learning
- Node Embedding
- Graph Embedding
3. GNN 이전의 Graph 학습
- Node Feature
- Eigenvector centrality
- Betweenness centrality
- Closeness centrality
- .....
- Link Feature
- Distance-based feature
- Local neighborhood overlap
- Global neighborhood overlap
- Graph Feature
- Graphlet kernel
- Weisfeiler-Lehman Kernel
4. GNN
- Recurrent Graph Neural Networks (RecGNNs)
- Convolutional Graph Neural Networks (ConvGNNs)
- Spectral Model
- Spatial Model
- Graph AutoEncoders (GAEs)
- Network Embedding
- Graph Generation
- Spatial-Temporal Graph Neural Networks (STGNNs)
- CNN Based
- RNN Based
- CNN & RNN based Model
- Attention based Model
5. GNN의 Benchmark Datasets
- Citation Networks
- Biochemical Graphs
- Social Networks
- Others
6. GNN Library
- Pytorch Geometric
- DGL
1. Graph란?
- 왜 Graph?
- Graph의 종류
- Graph의 표현
- Graph Tasks
- Graph의 Motif
https://velog.io/@tobigs-gnn1213/CS224W-Lecture-2-Properties-of-Networks-and-Random-Graph-Models
2. Properties of Networks and Random Graph Models
Network Property, Random Graph Models [작성자 : 이예진]
velog.io
https://velog.io/@tobigsgnn1415/Machine-Learning-for-Graphs
1. Machine Learning for Graphs
작성자: 장예은
velog.io
2. Graph Representation Learning
- Node Embedding
- Graph Embedding
https://tobigs.gitbook.io/tobigs-graph-study/chapter7.
Chapter7. Graph Representation Learning - Tobigs Graph Study
지식 그래프는 Node를 Entity로, Edge를 Relation으로 표현하며, Relation의 타입은 일반적 Graph와 달리 다양할 수 있다. 이러한 KG에 있어 Incompleteness는 System에 부정적 영향을 크게 미친다고 한다. 따라서 L
tobigs.gitbook.io
그래프 임베딩 요약
이 글은 Primož Godec의 Graph Embeddings — The Summary를 허락받고 번역한 글입니다.
medium.com
https://velog.io/@tobigsgnn1415/Node-Embeddings
3. Node Embeddings
작성자:
velog.io
https://velog.io/@tobigsgnn1415/10.-Knowledge-Graph-Embeddings
10. Knowledge Graph Embeddings
작성자: 이성범
velog.io
3. GNN 이전의 Graph 학습
- Link Feature
- Distance-based feature
- Local neighborhood overlap
- Global neighborhood overlap
- Graph Featrue
- Graphlet kernel
- Weisfeiler-Lehman Kernel
https://velog.io/@tobigsgnn1415/Traditional-Methods-for-Machine-Learning-in-Graphs
2. Traditional Methods for Machine Learning in Graphs
Traditional Methods for Machine Learning in Graphs [작성자: 이성범]
velog.io
https://velog.io/@tobigsgnn1415/4.-Link-Analysis-PageRank
4. Link Analysis: PageRank
작성자: 이정은
velog.io
https://velog.io/@tobigsgnn1415/5.-Label-Propagation-for-Node-Classification
5. Label Propagation for Node Classification
작성자 : 권오현
velog.io
4. GNN
- Recurrent Graph Neural Networks (RecGNNs)
- Convolutional Graph Neural Networks (ConvGNNs)
- Graph AutoEncoders (GAEs)
- Spatial-Temporal Graph Neural Networks (STGNNs)
4-1. RecGNNs
https://thejb.ai/comprehensive-gnns-2/
Graph Neural Networks 개념정리 2 - Recurrent GNN
소개
thejb.ai
4-2. ConvGNNs
- Spectral Model
https://tobigs.gitbook.io/tobigs-graph-study/chapter5.
Chapter5. Spectral Clustering - Tobigs Graph Study
예시) 우리는 모든 node가 d의 degree를 가지고 있다고 가정하자. 이 때 벡터 X를 (1,1,1,1,1,1,1...)이라고 하면 A * x = (d,d,d,d,d,d,d,d,...) 와 같은 형태를 띄게 될 것이다. 왜냐하면 A의 각 행은 인접한 node와
tobigs.gitbook.io
https://tootouch.github.io/research/spectral_gcn/
Spectral GCN 은… 사드세요
Graph Convolution Network은 크게 spectral과 spatial 두 가지 관점으로 나뉜다. 여기서는 spectral에 대해서 정리한다.
tootouch.github.io
https://ahjeong.tistory.com/14
GCN(Graph Convolutional Networks) 1편 : Graph Laplacian부터 Graph Fourier Transform까지 (Spectral Graph Theory)
* 이 글은 서울대학교 최진영 교수님의 Graph Convolution Networks 강의를 듣고 요약한 글입니다! 좋은 강의를 들려주신 최진영 교수님께 감사합니다. :) Graph Neural Network를 공부하다 보면, 시작부터 Graph
ahjeong.tistory.com
https://ahjeong.tistory.com/15
GCN(Graph Convolutional Networks) 2편 : GNN model들의 발전 과정 - Spectral에서 Spatial Domain으로 (ChebNet, Spectral
---아직 작성중 입니다:D--- * 이 글은 서울대학교 최진영 교수님의 Graph Convolution Networks 강의를 듣고 요약한 글입니다! 좋은 강의를 들려주신 최진영 교수님께 감사합니다. :) 앞서 GCN 1편 포스팅
ahjeong.tistory.com
https://thejb.ai/comprehensive-gnns-3/
Graph Neural Networks 개념정리 3 - Convolutional GNN (1) Spectral-based ConvGNN
소개
thejb.ai
- Spatial Model
https://thejb.ai/comprehensive-gnns-4/
Graph Neural Networks 개념정리 4 - Convolutional GNN (2) Spatial-based ConvGNN
Spatial-based Convolutional Graph Neural Networks
thejb.ai
- Transductive Learning
- Inductive Learning
4-3. Graph AutoEncoders (GAEs)
- Network Embedding
- Graph Generation
https://velog.io/@tobigsgnn1415/14.-Traditional-Generative-Models-for-Graphs
14. Traditional Generative Models for Graphs
작성자: 14기 김상현그래프 생성 모델(Graph Generative Model)을 통해 실제 그래프와 유사한 그래프를 생성한다.그래프 생성을 공부하는 이유는 다음과 같다.InsightsPredictionsSimulationsAnomaly detection임의로
velog.io
4-4. Spatial-Temporal Graph Neural Networks (STGNNs)
- CNN based Model
- RNN based Model
- CNN & RNN based Model
- Attention based Model
5. GNN의 Benchmark Dataset
- Citation Networks
- Biochemical Graphs
- Social Networks
- Others
6. GNN Library
- Pytorch Geometric
- DGL
* Reference
https://tootouch.github.io/research/gnn_summary/#roadmap
Graph Neural Network 찍어먹기
긴 글에 앞서 survey paper를 보고 정리하는 데 도움을 주신 DSBA 윤훈상 선배님께 무한한 감사의 말을 전합니다.
tootouch.github.io
https://thejb.ai/comprehensive-gnns-1/
Graph Neural Networks 개념정리 1 - 개요
기존에 Graph 개념을 충분히 알고 있고, 알고리즘을 통해 많이 활용해봤지만 Graph Neural Networks 에 대한 개념을 잡기가 쉽지 않았다. 처음 접근할 때 가장 어려웠던 점은
thejb.ai
https://velog.io/@tobigsgnn1415
tobigsgnn1415 (GNN Tobigs) - velog
velog.io
728x90'AI > GNN' 카테고리의 다른 글
[GNN] 4-1. Recurrent Graph Neural Networks (RecGNNs) (0) 2022.02.13 [GNN] 2. GNN 이전의 Machine Learning을 활용한 Graph 학습 (0) 2022.02.13 Graph Neural Network 분야 Survey paper / 사이트 정리 (0) 2022.01.20 [GNN] 4-2. Convolutional Graph Neural Networks (ConvGNNs) 정리 (0) 2022.01.19 [GNN] 3. Graph Representation Learning (0) 2022.01.19