세상은 내가 정하는 대로 세상은 내가 정하는 대로

Reasoning On Graphs: Faithful and Interpretable Large Language Model Reasoning 논문 리뷰 (ICLR 2024) 논문 읽은 후 RAG에서 Knowledge Graph를 활용한 논문으로, 이를 통해 LLM의 Reasoning 과정에 대한 해석력을 제공한다 방법이 크게 어렵진 않으나, appendix까지 쳬계적인 실험들과 case study들을 해서 잘 쓴 논문이라는 느낌이 확실히 들었다 역시 ICLR은 다르다. RAG ... 이 분야 좀 재미있을지도? 연구할만한 주제가 많을 것 같다 또 읽어보고 싶은 논문 1, 논문 2 Introduction 배경 LLM의 Challenges : lack of knowledge & hallucination 이 원..

How Powerful are Graph Neural Networks? (GIN) 정리 들어가기 전에.... 이 부분은 논문의 2. Preliminaries에 해당되는 내용이나, 먼저 알고 가는 것이 논문 이해에 도움이 되어 먼저 작성합니다. 먼저 MPNN에 대해서 설명을 드리고, 이어서 WL test에 대해서 설명드리도록 하겠습니다. 1. MPNN 지난 시간과 지지난 시간에 살펴보았던 GraphSAGE나 GAT와 같은 spatial 기반의 방법들은 노드들의 spatial 관계를 활용하여 학습하는 방법으로, convolution 과정을 통해서 주변 노드의 representation(feature vector)만을 학습하여 중심 노드의 representation을 업데이트 하는 방식을 사용합니다. 이런 방..

[GNN] 4. GNN 개요 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 Weisfe..

[GNN] 4-1. Recurrent Graph Neural Networks (RecGNNs) 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 -..

[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 G..

* Standford의 CS224w 강의와 그에 대한 정리들, GNN 분야의 Survey paper들 등 참고할 paper나 사이트 내 나름대로 정리하는 포스팅 https://tobigs.gitbook.io/tobigs-graph-study/?fbclid=IwAR3K37ktpocRI7228D-1p6V8TB5E1o9_QcdFB4VqBbBOlYXL2qob8xSOQ-w Tobigs Graph Study - Tobigs Graph Study Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering tobigs.gitbook.io https://velog.io/@tobigs-gnn1213?tag=CS224W tobigs-gnn12..

[GNN] 4-2. Convolutional Graph Neural Networks (ConvGNNs) 정리 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. GNN 이전의 Machine Learning을 활용한 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 Weisfei..

Inductive Representation Learning on Large Graphs (GraphSAGE) 정리 들어가기 전에... https://asidefine.tistory.com/159 Semi-Supervised Classification with Graph Convolutional Networks (GCN) 정리 및 코드 분석 0. 들어가기 전에 1) Graph Representation 먼저 GCN을 설명하기 앞서 필요한 개념들을 설명하겠습니다. 그래프는 일반적으로 행렬로 표현합니다. 첫번째로 인접 행렬은 노드 간의 연결 여부를 표현합 asidefine.tistory.com 커다란 그래프에서 일반적으로 노드들 사이의 관계는 인접 행렬(adjacency matrix)의 형태로 주어집니다. ..