图神经网络调研

最近在做一些图神经网络相关的课题，做了些调研，简单记录一下想法和收获。

图神经网络简介

图（Graph）这种数据结构在很多场景下都有大量应用和表现。各节点通过边建立关系，图神经网络是借助神经网络的知识，将图中的每个节点embedding为向量，每个节点向量化后，就可以做很多下游任务了，比如节点的分类、节点间链路预测、节点相关性预测等等。

应用场景

有了节点的embedding表示，其实就可以有很多很多的应用场景。比如：

• 商品推荐：有user和item，可以用item作为节点（节点包含自身原始的属性特征），用户的点击行为，可以刻画item之间的连接关系。这样就建立了Graph。然后用两个item的内积衡量相似性，损失函数优化相似性，就可以得到各item的embedding。推断时，来了新item，通过额外信息可建立与其他item的关系，从而得到embedding，然后计算与某些其他item的相似程度，进行推荐。
• 用户分类：有user和各类与user有关的信息，通过这些信息建立user之间的连接关系，完成构图。损失函数选择交叉熵，从而可对embedding再经过mlp、softmax进行类别的预测概率，从而完成训练。
• 交通流量预测：路口的流量看作节点，可与其他节点建立连接关系。
• 其他经典数据集：如论文引用数据集、分子结构等等。