꾸준히 써보는 공부 기록

참고자료 : Graph Representation Learning, William L. Hamilton (McGill University) (2020) Graph는 복잡한 시스템을 나타내는 Data structure이다. 가장 일반적으로 생각하면, graph는 node들의 집합이고, 이 node들의 pair 사이 interaction들의 집합으로 이루어져 있다. 예를 들면, graph로 social network를 encoding한다면, 각각 node는 개인을 나타내고 개인 사이의 관계를 edge로 나타낼 수 있다. Graph의 장점은 각각 node들의 특성보다는 node들 사이의 관계에 좀 더 초점을 맞췄다는 것이다. Graph의 Definition graph의 formal description은 다음..

참고자료: Hamilton-Graph Representation Learning, CS224W Lecture Note 3. Link Prediction Task and Features Link-Level Prediction Task as Task 존재하는 link들을 기반으로 새로운 link를 예측하는 task이다. Test를 할 때, 모든 노드 pair들의 Rank를 매긴다. (존재하는 link는 제외한다.) 그리고 Rank가 높은 top $K$ node pair들을 예측한다. 이 때 핵심은, node들의 pair의 feature들을 design하는 것이다. Link prediction은 두 가지 formulation들로 나타낼 수 있다. Two formulations of the link predic..

1. Traditional Methods for ML in Graphs Graph에서의 ML task들은 다음과 같다. Node-level prediction Link-level prediction Graph-level prediction Traditional ML Pipeline의 경우에는 node / link / graph에 대한 feature들을 각각 design하게 된다. 그리고 모든 training data에 대해서 feature들을 포함하고 있다. ML model을 training하는데는 Random Forest, SVM, Neural Network를 사용한다. 주어진 새로운 node / link / graph에 대해서, feature를 이용해서 prediction을 한다. 결론적으로 좋은 성..