传统图机器学习的特征工程-连接

概念及应用场景

通过已知连接补全未知连接

将link编码成为向量输入到机器学习模型中:

1.直接提取link的特征,构建D维向量

2.把link两段节点的D维向量拼在一起(丢失了link本身的连接结构信息)

应用:

1.客观静态图     eg:蛋白质结构

2.动态变化图     eg:论文引用

Link预测

最短路径长度

两节点的局部连接信息

Katz index:节点u和节点v之间长度为k的路径个数

总结

相关推荐

  1. 机器学习笔记--基本表示和特征工程

    2024-04-14 19:16:02       42 阅读
  2. 机器学习-09】特征工程

    2024-04-14 19:16:02       16 阅读
  3. 机器学习(三) -- 特征工程(更新中)

    2024-04-14 19:16:02       38 阅读
  4. 机器学习(三) -- 特征工程(更新中)

    2024-04-14 19:16:02       35 阅读

最近更新

  1. TCP协议是安全的吗?

    2024-04-14 19:16:02       18 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2024-04-14 19:16:02       19 阅读
  3. 【Python教程】压缩PDF文件大小

    2024-04-14 19:16:02       18 阅读
  4. 通过文章id递归查询所有评论(xml)

    2024-04-14 19:16:02       20 阅读

热门阅读

  1. 线程池的参数 以及实现

    2024-04-14 19:16:02       17 阅读
  2. 【接着模拟赛】2024.4.14

    2024-04-14 19:16:02       17 阅读
  3. 239. 滑动窗口最大值

    2024-04-14 19:16:02       15 阅读
  4. win10清华源按装OPENCV和其他软件

    2024-04-14 19:16:02       16 阅读
  5. Csharp_pta2

    2024-04-14 19:16:02       14 阅读
  6. 中文域名有必要注册吗?

    2024-04-14 19:16:02       14 阅读
  7. conda搭建与管理python环境

    2024-04-14 19:16:02       15 阅读
  8. 为什么我们应该切换到Rust

    2024-04-14 19:16:02       13 阅读