658 百亿大规模图在广告场景的应用，图技术应用，范式演变
2024-06-02 10:53:36 0 举报
为你推荐
查看更多
图神经网络范式演进主要由基于图游走的无监督范式->基于聚合的消息传递范式->下一代范式，从浅层无监督深度学习到统一全场景图深度学习发展。在主流的基于聚合的消息传递范式下，主要研究方向分为消息传递函数设计、构图设计、图预训练、联合训练、动态图等主流方向。
作者其他创作
大纲/内容
GCN
HAN
消息传递函数设计
类GPT统一多任务大图
DSGL
CNN和其他模型联合
GIN
MIDGN
CCDR
下一代范式
无监督对比学习为主
STAM
all in one
SGL
LEAD-ID
Node2vec
图技术的研究方向
预训练
动态图
业界大规模图框架建设
GrossCBR
范式演进
图技术，消息传递函数设计、构图设计、图预训练、联合训练、动态图等主流方向技术分析演变
MKGAT
消息传递范式
L2P-GNN
构图设计
GPT-GNN
消息传递范式产生
AWS 开源DGL
GAT
基于游走的无监督范式
引入时空信息，捕捉信息的变化关系
百度Pgl
STGCN
联合突破单模型上限
deepwalk
阿里euler
多试图信息引入
eges
0 条评论
回复 删除
下一页
