文档摘要

3.2 GraphSAGE：抽样讯问法 本节摘要：GraphSAGE 用"对每个目标节点抽样固定数量邻居、聚合后与自身拼接"的流程替代逐节点记忆参数，从而获得归纳能力——训练好的模型可直接推断训练时从未出现过的节点。本节按五段式展开：Pinterest 规模推荐的真实动机、采样与聚合的机制细节、拼接更新的公式、NumPy 采样模拟与 PyG 邻居加载器实战、以及重要度采样系变体对比。 会员。《3.2 GraphSAGE：抽样讯问法》收录于灏天文库文集《图神经网络 (GNN) 入门与实战：深度学习在图数据上的应用》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/529-%E5%9B%BE%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-gnn-%E5%85%A5%E9%97%A8%E4%B8%8E%E5%AE%9E%E6%88%98%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%9C%A8%E5%9B%BE%E6%95%B0%E6%8D%AE%E4%B8%8A%E7%9A%84%E5%BA%94%E7%94%A8

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流