Graph 10 - Community Detection
10 Jul 2021Community 是 Graph 中會出現的結構，是一群有相似特徵或高度連結的群體，有時會需要找出一張 Graph 中有幾個 Community ，或是可以藉由 Community 將 Graph 分解成幾個部分，分別去計算以增加演算法效率，總之， Community 不管是本身作為任務目標還是幫助演算法，都非常有用，以下介紹如何找出 Graph 中的 Community 。
Read More →Community 是 Graph 中會出現的結構，是一群有相似特徵或高度連結的群體，有時會需要找出一張 Graph 中有幾個 Community ，或是可以藉由 Community 將 Graph 分解成幾個部分，分別去計算以增加演算法效率，總之， Community 不管是本身作為任務目標還是幫助演算法，都非常有用，以下介紹如何找出 Graph 中的 Community 。
Read More →在真實世界中，Graph Data的取得可能還不那麼容易，因此有人提出了Graph Generative Model，既然Graph不好取得，那就提出一個能生成合理Graph的模型。另外，在驗證自己的某個 Graph model 是否可行或某個想法是否正確時，也很常會用以下方法大量產生 Graph 去測試，例如想測試avg degree很高的Graph的效果，比起去找一個符合條件的真實資料，直接生成會比較方便。
Read More →前面著重在建構GNN會遇到的問題，這篇把重點放在GNN效果的相關議題。
整個GNN的建立過程如下
Input Graph -> Graph Neural Network -> Node Embeddings -> Prediction Head -> Prediction -> Loss function and Evaluation metric
前面大都只討論作法，沒有特別討論會引發的一些問題以及如何解決，以下會重新回顧實作GNN Layer的過程並把會遇到的問題與解法拿出來討論。
Read More →GraphSAGE是一種讓AGG function更彈性的模型，GAT則是加入了Attention機制，對於GCN來說每個neighbor一樣重要，而GAT會去學習哪些neighbor比較重要。
Read More →