尺码 大小 身高（CM） 164 胸围（CM） 84 腰围（CM） 71 臀围（CM） 86 腿内侧长（CM） 76

Jack Antonoff Jack Antonoff是我最喜欢的一位音乐制作人，在我真正认识他之前，我听过很多他写的歌。当后来我发现这些歌都是他写的时候，我就一发不可收拾地爱上他了~ 全程操刀，三张神专： Melodrama Norm

方向一：GNN的Representation Learning改进应用领域首先，GNN作为一种神经网络（就像CNN，RNN这样的NN），它的应用领域有： Natural Language Processing Neural Machine

LeetCode 1109. Corporate Flight Bookings【差分数组】

今天跟老师聊了一下毕设的方向，老师提出了两方面的改进目标： 图神经网络的方法论上进行创新 从GNN的构图，表征学习等方面进行创新，这样一来，数据集不再是局限于金融数据集，可以是其他开源的数据集。 金融领域出发 从金融领域出发就不再只有反

著名的GAT模型，本质上做的一件事是：对每个邻居点分别学习出一个权重系数，最后加权求和。

著名的GAT模型，本质上做的一件事是：对每个邻居点分别学习出一个权重系数，最后加权求和。

对DGFraud仓库中SemiGNN的tensorflow复现版本进行了注释理解，整理了下面的代码框架。 代码在G:\SelfLearning\JupyterNotebook3.0\DGFraud_copy文件夹下 思维导图在G:\S

GraphConsis模型建立在异质信息网络之上，考虑反欺诈工作中的inconsistency问题，对GNN的Aggregation函数进行改进，综合了GraphSAGE的采样思想和GAT的注意力权重思想，将它们运用到异质信息网络中。

问一问近几年来逆势而上的技术有什么？相信你一定会说出来一个：图神经网络。 没错，图神经网络就像曾经的微信, python, pytorch, 他们从我们视线的边缘逐渐走向我们视野的中心，并成为很多人的首选。图神经网络目前还没有完全成为各大

这节课通过Auto-Regressive model巧妙地将图生成问题转换成序列生成问题，利用RNN来解决图生成问题。