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。

本次分享将主要介绍欺诈检测问题在学术界的研究现状，以及如何将图神经网络和强化学习应用到欺诈检测问题中。嘉宾是大佬窦英通。

支付宝2019ICDM论文，论文采用node-level + view-level的方式构造用户的embedding，最后以supervised loss+ unsupervised loss的方式构造损失函数，良好地利用了labeled和unlabeled的数据。

前言众所周知，机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score，而回归模型最常用指标有MAE和RMSE。但是我们真正了解这些评价指标的意义吗？ 在具体场景（如不均衡多分类）中到底应该以哪

原文地址：https://zhuanlan.zhihu.com/p/33173246 深度神经网络模型训练之难众所周知，其中一个重要的现象就是 Internal Covariate Shift. Batch Norm 大法自 2015

图信号处理（Graph Signal Process）实在是涉及太多概念了，需要好好梳理一下。

DatasetsDBLPWe uses the pre-processed DBLP dataset from Jhy1993/HAN You can run the FdGars, Player2Vec, GeniePath and GE

[TOC] 2. “三步走”方法读论文不是一蹴而就的，拿到一篇论文，直接一股脑读下去是不明智的！读论文应该分“三步走”~每一步都有自己的目标，都是建立在前一步的基础上的： 第一步：了解论文的idea是什么？ 第二步：理解论文的内容（但不是