日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）

将自己在日常学习中遇到的好资源记录下来！

1.多视图聚类总结：

https://www.cnblogs.com/infinite-h/p/13401550.html

2.论文阅读：One2Multi Graph Autoencoder for Multi-view Graph Clustering

https://zhuanlan.zhihu.com/p/382638070

3.GMC: Graph-based Multi-view Clustering 论文笔记

https://blog.csdn.net/qq_34233136/article/details/105027668

4.KMeans与深度学习自编码AutoEncoder结合提高聚类效果

https://blog.csdn.net/TH_NUM/article/details/80073087?

5.Github项目推荐-图神经网络(GNN)相关资源大列表

https://blog.csdn.net/xinshucredit/article/details/89517869?

6.基于图神经网络的聚类研究与应用

https://blog.csdn.net/Datawhale/article/details/106435506?

7.One2Multi Graph Autoencoder for Multi-view Graph Clustering（有代码）

https://blog.csdn.net/Asure_AI/article/details/112908693?

8.快速上手：图聚类入门 Graph Clustering

https://blog.csdn.net/weixin_43845931/article/details/118713356?

9.Multi-View Attribute Graph Convolution Networks for Clustering(较详细的解读,文章的解读也很到位)

https://www.jianshu.com/p/b05ff89b94ce

10.论文阅读“Auto-weighted multi-view clustering via deep matrix decomposition”(Multi-view的解释比较好)

https://www.jianshu.com/p/f80d70e7dfa9

11.傅里叶变换

（1）https://blog.csdn.net/qq_27825451/article/details/88553441（实现）；
（2）https://zhuanlan.zhihu.com/p/70347734（实现）；

12.python生成聚类数据集

https://blog.csdn.net/qq_42730750/article/details/117286533?

13.GCN对邻接矩阵标准化的意义

https://blog.csdn.net/u012856866/article/details/108258564?

14.attention机制的深入理解以及GAT的DGL实现

（1）https://zhuanlan.zhihu.com/p/57180498（含DGL实现）
（2）https://blog.csdn.net/weixin_43251230/article/details/89603544
（3）https://zhuanlan.zhihu.com/p/149879579（tensorflow实现）

15.梯度消失和梯度爆炸的问题

https://blog.csdn.net/fu6543210/article/details/90293622

16.聚类常用的评估指标

（1）总体：https://blog.csdn.net/weixin_45488228/article/details/100549820
（2）NMI详细且有代码：https://www.cnblogs.com/picassooo/p/13409146.html

17.聚类算法的发展历史、现状、未来趋势

https://www.csdn.net/tags/NtjacgzsMzU0MzMtYmxvZwO0O0OO0O0O.html

18.tensorflow实现GCN

https://blog.csdn.net/VariableX/article/details/109820684

19.经典的GCN模型总结：

（1）https://blog.csdn.net/fengdu78/article/details/122916915
（2）https://archwalker.github.io/blog/2019/11/10/GNN-Go-Through-Main-Models.html
（3）https://blog.csdn.net/qq_60272314/article/details/120467382

20.深层GNN性能退化的问题

（1）https://blog.csdn.net/huanghelouzi/article/details/115334222
（2）https://zhuanlan.zhihu.com/p/398736015（详细，总结到位！）
（3）http://news.sohu.com/a/522548011_121124371

补充

解决GNN中propogation和transformation耦合导致的深层模型性能下降的问题：解耦操作
https://blog.csdn.net/feilong_csdn/article/details/117122149

21.耦合和解耦的简单理解

https://www.itheima.com/news/20210513/180245.html

22.inductive和transductive的简单理解

23.社区检测相关的基础知识

（1）https://blog.csdn.net/weixin_51361084/article/details/123900802
（2）https://zhuanlan.zhihu.com/p/164772126
（3）https://www.jianshu.com/p/0c1ebbd3a246
（4）https://zhuanlan.zhihu.com/p/428821516（准确具体地总结了关键的问题）

24.GAT的tensorflow2.0实现

https://blog.csdn.net/zhong_ddbb/article/details/110843394

25.FCAN中目标函数的数学解释

（1）参考论文：Spectral Clustering with Graph Neural Networks for Graph Pooling（其中的Graph Pooling部分的解释；）

26.tf.add_weight 和 tf.Variable使用例子

https://blog.csdn.net/github_39605284/article/details/118973292

27.tensorflow中相关的一些API（包含定义模型的多种方式；）

（1）https://zhuanlan.zhihu.com/p/358817050

28.部分计算机会议和期刊论文的下载方法

（1）https://blog.csdn.net/zffustb/article/details/114916952

29.Graph领域非常nice的博客！！！！！！

（1）https://dreamhomes.top/posts/202201111536/

30.tensorflow中参数初始化的一些相关知识

(1)https://blog.csdn.net/FrankieHello/article/details/79781422
(2)https://blog.csdn.net/xiaotian127/article/details/100691042
(3)https://blog.csdn.net/weixin_37479258/article/details/100767897
(4)https://blog.csdn.net/UESTC_C2_403/article/details/72327321（简单易懂）
(5)tf.get_variable()和tf.Variable()的区别（最清晰的解释）
https://tefuirnever.blog.csdn.net/article/details/89577480?

31.Line模型的详细讲解：

（1）https://blog.csdn.net/u013250861/article/details/119710684
（2）

32.tensorflow实现学习率衰减

（1）https://blog.csdn.net/weixin_43635647/article/details/100056420?

33.GNN中的高阶结构

（1）https://zhuanlan.zhihu.com/p/373965369

34.GNN综述

（1）https://blog.csdn.net/qq_34911465/article/details/88524599

35.F1-score的计算以及详细讲解

（1）https://blog.csdn.net/qq_43190189/article/details/105778058

36.VGAE论文详解

（1）https://zhuanlan.zhihu.com/p/78340397?utm_source=ZHShareTargetIDMore
（2）https://wenku.baidu.com/view/fd9578dc740bf78a6529647d27284b73f2423689.html（更简单、详细、易懂！！！）
（3）https://blog.csdn.net/qq_39388410/article/details/107895198（包含代码逐行详解。）
（4）https://blog.csdn.net/q923714892/article/details/119531815（包含代码逐行详解。）

37.tensorflow中的4中交叉熵函数：

（1）https://blog.csdn.net/xujingpilot/article/details/105004327

38.KL散度的python实现

（1）https://blog.csdn.net/qq_27782503/article/details/121830753（包含代码示例；）

39.基于GNN的属性图聚类最新研究总结

（1）https://zhuanlan.zhihu.com/p/114452245?utm_oi=73876465778688

40.稀疏矩阵的常用存储格式（COO、CSR、CSC）

（1）https://blog.csdn.net/m0_64204369/article/details/123035598

41.32种激活函数的总结：

（1）https://zhuanlan.zhihu.com/p/516728106

42.F1-score的详解

（1）https://blog.csdn.net/weixin_48185819/article/details/108195540

43.GAT以及代码详解

（1）https://blog.csdn.net/u012856866/article/details/107227491/
（2）https://blog.csdn.net/VariableX/article/details/110825537（tensorflow2.0）
（3）https://zhuanlan.zhihu.com/p/339087706?ivk_sa=1024320u

44.GNN总结（模型、应用。）

（1）https://zhuanlan.zhihu.com/p/171931071

45.GNN中的skip-connection理解

（1）	https://blog.csdn.net/stranger_Ss/article/details/124503060

46.GNN中数据处理的作用以及实现

（1）https://blog.csdn.net/zfhsfdhdfajhsr/article/details/124552753（超级详细且优质！）

47.清晰图表，详尽阐述 GNN、GCN、GAE 等 5 类模型

（1）https://blog.csdn.net/XXMRXXX/article/details/100191519

48.Graph Neural Network（GAE，GVAE，ARGA）

（1）https://blog.csdn.net/qq_39388410/article/details/107895198（后期写写长论文可参考此处；）

最后

以上就是追寻饼干为你收集整理的日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）的全部内容，希望文章能够帮你解决日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。