본문 바로가기

Graph(Graph Neural Network)

Fraud Detection: CARE-GNN
Graph(Graph Neural Network) 2024. 5. 1. Fraud Detection: CARE-GNN Graph Neural Network(GNN) based Fraud Detection은 서로 다른 특성을 갖는 이웃 정보를 종합(aggregate)함으로써 각 node가 suspicous(사기꾼)인지 benign(일반인)인지 판단합니다.  ▶ Problem Definition▷ Definition 1: Multi-relation graph$$G = \{V,X,\{\varepsilon_r\}|^R_{r=1}  Y\}$$$V=\{v_1,v_2, \cdots, v_n\}$: the set of nodes각 nodes $v_i$는 $d$ 차원의 feature vector를 갖음($x_i \in \mathbb{R}^d$).$X = \{x_1,x_2, \cdots, x_n\}$: node-feature matrix..
[Graph Clustering 방법론] Deep Attentional Embedded Graph Clustering(DAEGC)
Graph(Graph Neural Network) 2023. 12. 23. [Graph Clustering 방법론] Deep Attentional Embedded Graph Clustering(DAEGC) 본 글에서는 Graph Clustering 방법론 중 'Deep Attentional Embedded Graph Clustering(DAEGC)'를 제안한 [Attributed Graph Clustering: A Deep Attentional Embedding Approach(2019)] 논문을 토대로 설명하고자 합니다. 모델을 설명하기 전 세 가지 개념에 대해 먼저 짚고 넘어가고자 합니다. [Attributed Graph] Attributed Graph는 graph structure $(V, E)$와 각 node가 갖고 있는 attribute $X$가 관측된 graph를 의미합니다. $G = (V,E,X)$ $V = \{v_i\}_{i=1,\cdots,n}$: node의 집합 $E=\{e_{ij}\}$..
Scalable MCMC for Mixed Membership Stochastic Blockmodels
Graph(Graph Neural Network) 2022. 11. 21. Scalable MCMC for Mixed Membership Stochastic Blockmodels 이번 대학원 '베이지안 통계학' 수업에서 기말 프로젝트로 'Scalable MCMC for Mixed Membership Stochastic Blockmodels' 논문 발표를 맡게 되었다. 주 연구 주제인 Graph를 bayesian 접근으로 modeling을 한 논문이다. 'Bayesian Graph Convolutional Neural Networks for semi-supervised classification'의 논문에 따르면, 기존 Graph Convolution Neural Network(GCN) 모델은 graph structure에 대한 uncertainty(불확실성)을 잘 다루지 못 한다는 한계점이 존재한다. 예를 들어, graph에 noisy data(-> spurious edges 존..
GCN - Image Classification
Graph(Graph Neural Network) 2022. 11. 3. GCN - Image Classification Image Classification하면 대표적으로 생각나는 모델이 CNN(Convolution Neural Network)이다. 이미지 분류를 GCN(Graph Convolution Neural Network)을 통해서도 가능하며 이번에 가장 기본적으로 사용되는 MNIST Dataset을 GCN을 통해 이미지 분류를 하였다. pytorch에서 제공해주는 mnist dataset과 GCNConv layer를 이용하였다. 먼저, pytorch에서 제공해주는 GCNConv 알고리즘에 대해 공부한 내용을 정리해 보고자 한다. Graph로 구조화된 mnist dataset과 GCNConv layer를 사용하기 위해서는 다음 package을 설치해줘야 한다. !pip install --verbose --no-ca..
Bayesian graph convolutional neural networks for semi-supervised classification
Graph(Graph Neural Network) 2022. 10. 9. Bayesian graph convolutional neural networks for semi-supervised classification Graph Convolutional Neural Networks(GCNNs)와 Bayesian Neural Networks(BNN)을 모두 적용한 Bayesian Graph Convolutional Neural Networks에 대해 담은 논문에 대해 정리해 보고자 한다. 이번에도 예제 이전까지에 대한 내용을 정리하고자 한다. 1. Introduction 최근에, convolutional neural network를 graph structure data에 적용하려는 다양한 시도를 통해 수 많은 발전과 향상이 있었다. GCN의 목적은 node들 사이의 관계를 나타내는 Ground Truth를 구하는 것이 목적이다. graph를 설계할 때, noisy data를 사용하거나 모델을 가정해서 사용하는 경우 성능..
Semi-Supervised Classification With Graph Convolutional Networks
Graph(Graph Neural Network) 2022. 9. 19. Semi-Supervised Classification With Graph Convolutional Networks 이번엔, 논문의 내용을 기반으로 데이터를 이용해 코드 구현한 거에 대해 공부를 해보았다. 느낀 점은 데이터를 구축하는 과정이 많이 어려웠지만 모델을 생성하는 부분은 다른 딥러닝 모델을 형성하는 방식과 똑같았다. 다음은 GCN을 text classification에 적용한 코드를 공부해 정리해 볼 것이다. 앞으로 GCN에 대한 나의 최종 목표는 Spatio Temporal Graph Convolutional Networks에 대해 개념 및 코드를 완벽하게 이해해서 처음으로 맡게 된 프로젝트(행동분야 -> STGCN 적용 / 실제 데이터를 통해 내가 직접 코드를 구현하는 프로젝트)를 뿌듯하게 마무리 하는 것이다. 코드는 다음 자료를 참고하였다. https://github.com/zhulf0804/GCN.Py..

티스토리툴바