模块度优化

社区发现的算法核心与实战指南📖 目录导读什么是模块度？ – 社区划分的数学标尺模块度优化为何重要？ – 从社交网络到基因图谱的跨越主流优化算法深度解析 – 贪心、谱方法与Louvain模块度优化的缺陷...

wen 2026-07-01 59

谱聚类图割

我们来详细、系统地讲清楚谱聚类中的图割问题，这不仅是谱聚类的核心数学原理，也是连接“聚类”与“图论”的关键桥梁，核心思想一句话总结谱聚类的目标是通过对数据相似度图的拉普拉斯矩阵进行特征分解，将高维的图...

wen 2026-07-01 77

标签传播LPA

标签传播算法（Label Propagation Algorithm，简称LPA）是一种基于图的半监督学习算法，常用于社区发现、分类和聚类任务，它通过模拟标签在图中传播的过程，将已知节点的标签信息传递...

wen 2026-07-01 61

Node2Vec采样

Node2Vec 是一种用于图（网络）中节点表示学习（Node Embedding）的算法，它基于 Word2Vec 的思想，但其核心创新点在于如何生成节点的“上下文序列”，Node2Vec 通过一种...

wen 2026-07-01 66

随机游走DeepWalk

这是一个非常经典且重要的图表示学习（Graph Embedding）算法，我们会从核心思想、算法步骤、数学原理以及优缺点几个方面详细讲解，核心思想：用“句子”来理解“网络”DeepWalk 的核心思想...

wen 2026-07-01 73

图神经网络GNN

我们来全面、深入地解析一下图神经网络（Graph Neural Network，简称GNN），这是一个非常核心且前沿的机器学习领域，专门用来处理图结构数据，GNN是一种能从图结构数据中学习特征信息的深...

wen 2026-07-01 64

消息传递MPNN

消息传递神经网络（Message Passing Neural Network, MPNN） 是一种用于处理图结构数据（Graph Data）的通用框架，它由 Gilmer 等人于 2017 年在论文...

wen 2026-07-01 58

邻域采样方法

邻域采样方法是图神经网络（Graph Neural Networks, GNNs）中，为了解决全图训练计算量过大、无法处理大规模图数据（如社交网络、推荐系统）而提出的一类关键技术，其核心思想是：在计算...

wen 2026-07-01 84

聚合函数选择

我来详细解释聚合函数的选择方法和常见场景，聚合函数类型常用聚合函数函数作用适用场景COUNT( 计数统计行数、非空值数量SUM( 求和数值字段累加AVG( 平均值计算数值字段均值MAX( 最大值找最大...

wen 2026-07-01 62

GraphSAGE归纳

GraphSAGE归纳式学习框架全面解析📚 目录导读引言：为何GraphSAGE成为图学习新宠？传统图嵌入方法的局限归纳式学习的时代需求GraphSAGE核心原理采样与聚合机制详解三种聚合函数对比（M...

wen 2026-07-01 81