- 课程地址：http://web.stanford.edu/class/cs224w/index.html#resources
- 课程背景：网络是建模复杂的社会、技术和生物系统的基本工具。随着生物科学中在线社交网络和大规可用模数据的出现，本课程重点分析提供许多计算、算法和建模挑战的大规模网络。
- 课程摘要：本课程将涵盖最近对这种大型网络的结构和分析以及抽象其基本属性的模型和算法的研究。我们将探讨如何通过网络结构和演化模型来实际分析大规模网络数据以及如何对其进行推理。
- 课程设计的话题：信息如何在社会中传播；食物网和金融市场的鲁棒性和脆弱性；万维网的算法；在线社交网络中的朋友预测；生物网络中功能模块的识别；疾病暴发检测。
- 授课老师：Jure Leskovec（Node2vec作者）、Michele Catasta
- 使用的编程工具以及data：SNAP.PY
Info Sheet
课程详细章节:
• Six degrees of separation • Models of the small world • Network Inference • Network Robustness • Power-laws and Preferential attachment • Models of network evolution • Cascading behavior in networks • Models of network cascades • Influence maximization in networks • Knowledge Graphs and Metapaths • Finding communities and clusters in networks • Spectral clustering and large scale community structure in networks • Modularity and large scale community structure in networks • Message passing and Node classification • Network motifs, Structural roles in networks • Link analysis, Pagerank • Node Representation Learning, Node2Vec • Graph Convolutional Networks
Lecture 01 intro
Lecture 01 Graph Representation Learning
来源：oschina
链接：https://my.oschina.net/u/4348545/blog/3706753