目录CS224W学习笔记colab1colab2CS224W学习笔记colab1torch.ones全1torch.zeros全0torch.rand0-1随机x.shapeshapex.dtype数据类型zeros=torch.zeros(3,4,dtype=torch.float32)使用数据类型zeros=zeros.type(torch.long)改变数据类型使用torch进行梯度下降：

节点度数(Nodedegree)结点\(v\)的度数\(k_v\)是\(v\)所邻接到的节点数量。平等对待所有邻居节点，没有考虑节点的重要性。节点中心性(Nodecentrality)考虑了节点的重要性。1.特征向量中心性(Eigenvectorcentrality)如果节点\(v\)的邻域\(u\inN(v)\)中有

课程描述这门课是关于什么的？复杂的数据可以表示为对象之间的关系图。这种网络是社会、技术和生物系统建模的基本工具。本课程着重于大量图形分析的计算、算法和建模挑战。通过研究底层的图结构及其特征，学生们学习机器学习技术和数据挖掘工具，这些工具能够揭示各种网络的底层知识。主

课程内容介绍   网络是建模复杂的社会，技术和生物系统的基本工具。结合在线社交网络的出现和生物科学中大规模数据的可用性，本课程着重分析大型网络，这些大型网络提出了一些计算，算法和建模方面的挑战。通过学习他们的底层网络结构和连接关系，向学生介绍了机器学习技术和数据挖掘工

目录一.Review二.TraditionalFeature-basedMethods:Node1.半监督学习任务semi-supervised2.节点特征overview3.节点度nodedegree4.节点中心度nodecentrality5.聚

@目录1.图的概念2.designchoice3.图的表示representinggraphs4.图的附加属性property/attributes1.图的概念图的组成部分图的意义作为一种解决问题的通用语言，将问

ApplicationofGraphML图机器学习任务分为四类节点级别nodelevel边级别edgelevel社区/子图级别community(subgraph)level图级别，包括预测任务graph-level

ExpressiveGraphNeuralNetworks寄鸽了一周没有写课程笔记，这次课程讲的是选择一个expressive的GNNmodel（当然还是要依据实际情况选择模型）从一个简单的栗子开始理解叭

CS224w！！AsinglelayerofGNN这个L2-norm是——这里怎么理解它是stroageefficient的？8.1这个地址可以精准空降！！！这个社区聚类感觉挺有意思的这里Jure说Order