网络上的注意力模型

本课程将详细解读网络上的注意力模型(Graph Attention Model)的原理和应用。内容包括算法的基本概念,以及它能够在节点分类、链路预测等问题上起到的作用。(课时:37 分钟)

复杂网络 深度学习 注意力机制

讲师:   辛茹月

课程资料

  • 讲稿下载:(报名后可见)

课程背景

网络上的注意力模型(Graph Attention Model)是一种通用的网络嵌入算法,它能够在节点分类、链路预测等问题上得到极高的精度。它可以模仿一个机器头对网络中的节点进行信息读取和分析,然后将综合的结果放到节点的向量中的过程。本课程详细介绍这一模型和应用。

课程目的

学完本课程,你能做到

  • 了解网络上的注意力模型的原理、意义、应用方法。

课程详情

本课程的主要内容有:

  • 一些图结构处理方法

    • 基于递归神经网络的模型

    • 基于图卷积网络的模型

    • 基于注意力机制的构架

  • 网络上的注意力模型框架结构

  • 网络上的注意力模型的长处与缺陷

  • 模型的验证方法

  • 关于网络上的注意力模型的实验

    • 实验的准备与结果