VIP20
本课程属于：046-反欺诈图谱阈值分层试验 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

GraphSAGE阈值分层从入门到精通

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
图神经网络基础
图的基本概念（节点 · 边 · 邻接矩阵）
图神经网络基础图的基本概念
02
GraphSAGE核心思想
归纳式学习 vs 直推式学习 · 采样与聚合的核心动机 · GraphSAGE论文精读概览
GraphSAGE核心思想
03
邻居采样策略
固定大小邻居采样 · 均匀采样 · 重要性采样
邻居采样策略固定大小邻居采样
04
聚合函数详解
Mean聚合器 · Pooling聚合器（Max/Mea… · LSTM聚合器
聚合函数详解Mean
05
GraphSAGE模型架构
输入层 · 隐藏层 · 输出层设计
GraphSAGE模型架构
06
阈值分层概念引入
为什么需要阈值分层 · 阈值在图神经网络中的作用 · 分层思想的起源
阈值分层概念引入为什么需要阈值分…
07
硬阈值分层
基于度数的硬阈值划分 · 基于节点属性的硬阈值划分 · 实现方法与代码示例
硬阈值分层基于度数的硬阈值…
08
软阈值分层
可学习阈值机制 · Gumbel-Softmax技巧 · 软阈值与硬阈值的对比分析
软阈值分层可学习阈值机制
09
自适应阈值分层
基于统计的自适应阈值 · 基于聚类的自适应阈值 · 动态调整策略
自适应阈值分层基于统计的自适应…
10
阈值分层与采样结合
分层采样策略 · 不同层级的采样率设置 · 层级间信息传递优化
阈值分层采样结合
11
GraphSAGE阈值分层模型设计
整体架构图 · 模块划分 · 前向传播伪代码
GraphSAGE阈值分层模型设计
12
损失函数设计
节点分类损失 · 链接预测损失 · 阈值正则化项
损失函数设计节点分类损失
13
训练策略
Mini-batch训练 · 负采样策略 · 学习率调度
训练策略Mini-batch
14
评估指标
准确率 · F1分数 · AUC-ROC
评估指标准确率
15
数据集准备
Cora · Citeseer · Pubmed
数据集准备Cora
16
PyTorch实现GraphSAGE基础版
数据加载 · 模型定义 · 训练循环
PyTorchGraphSAGE
17
PyTorch实现阈值分层模块
阈值层定义 · 前向传播 · 梯度计算
PyTorch实现阈值分层模块
18
完整项目实战（一）
节点分类任务——Cora数据集上的阈…
完整项目实战Cora
19
完整项目实战（二）
链接预测任务——PPI数据集上的阈值…
完整项目实战PPI
20
完整项目实战（三）
大规模图——Reddit数据集上的分…
完整项目实战Reddit
21
超参数调优
阈值数量 · 采样大小 · 聚合器选择
超参数调优阈值数量
22
可视化分析
节点嵌入可视化（t-SNE/UMAP… · 阈值分布直方图 · 层级分配热力图
可视化分析t-SNE/UMAP
23
消融实验
有无阈值分层对比 · 不同阈值策略对比 · 不同聚合器对比实验设计
消融实验有无阈值分层对比
24
性能优化
图分区 · 邻居缓存 · 混合精度训练
性能优化图分区
25
阈值分层与异构图
异构图上的阈值分层扩展 · 关系类型感知的阈值设计
阈值分层异构图
26
阈值分层与动态图
时序图上的阈值自适应更新 · 增量式阈值调整算法
阈值分层动态图
27
阈值分层与图注意力
阈值引导的注意力机制 · 层级注意力权重学习
阈值分层图注意力
28
前沿进展
GraphSAGE阈值分层的最新论文… · 与Transformer/GNN的结…
前沿进展GraphSAGE
29
常见问题与调试
梯度消失/爆炸 · 过平滑 · 采样偏差
常见问题调试
30
总结与展望
GraphSAGE阈值分层的优缺点 · 未来研究方向 · 工业落地案例分享
GraphSAGE阈值分层的优缺点