GraphOmakase
Scalable Graph Transformers for Million Nodes • 글 서두부터 graph transformer 와 graph neural network 의 차이점인 “whether is the resorting function the message or not” 을 언급하면서 이야기가 진행됩니다. • message passing 을 hopbyhop으로 진행하며 information resort 가 필요한 gnn 대비(local feature aggregation), all feature aggregation 이 가능한 graph transformer
GraphOmakase
TGL: A General Framework for Temporal GNN Training on Billion-Scale Graphs // APAN: Asynchronous Propagation Attention Network for Real-time Temporal Graph Embedding // Pay Attention to MLPs
💡dynamic graph embedding , scalability graph with data engineering , spatial gating unit , homophily 오늘의 네트워크 지식 Connected components 들어가기에 앞서, "subgraph 와 connected component 의 차이"에 대해 알고 계시나요? * (본문)One standard way to categorize graphs is as connected or disconnected. A disconnected graph can be decomposed into
GraphOmakase
Sequential Recommendation System 카카오 서비스 적용기 // Motifs-based Recommender System via Hypergraph Convolution and Contrastive Learning // Mining Social-Network Graphs
GraphOmakase
1. Giant higher-ordre component 가 정말 dynamics 에 영향을 미칠까요 ? // 2. scalable GNN 의 대안 중 하나 KuzuDB에서 어떻게 이를 다룰지에 대해 알아봅니다. // 3. Jax vs. Pytorch 과연 large graph data를 학습할땐 뭐가 좋을까요?!
GraphOmakase
review keyword 1. hypergraph application 2. Positional encoding with Graph representation learning 3. expressive-power of graph checking experiment
GraphInterview
I think this book and interview have the gold standard and tips for graph representation learning. because he is the cybersecurity of phd and actually utilize gnn in his task of industry(JPmorgan).
GraphOmakase
GNN popular booms are coming [그래프 지식 공유를 함께하실 분들을 구합니다.] 봄이 다가온지가 엊그제 같은데 벌써 여름이 다가옴을 한낮의 더위로 느끼고 있네요. 이와 비슷하게 혹시 여러분들도 GNN 붐이 다가오고 있음을 느끼고 계실까요? 첨부드린 사진의 수치와 같이 2022,2023(twitter @xbresson) 각각 topic keyword 를 비교한 차트를 보시면 눈에 띄게 graph
GraphOmakase
미리보기 [ESN(Echo State Network) , spatio-temporal GNN 에서 큰 한계점이였던 spatio-temporal feature training 에서 발생하는 막대한 연산량을 절감하기 위해 접목한 방식 ESN. 속도와 성능 측면에서 결과를 의심할 정도로 좋은 결과를 보입니다. 그 원리는 무엇인지에 대해 다루어봅니다. ] [Graph 종류는 굉장히 다양합니다. 주로 관계(edge)에 따라 많이 나뉘곤하는데요. 그때마다 task, modeling