一、节点层面的任务:
节点层面的任务主要包括分类任务和回归任务。
这类任务虽然是对节点层面的性质进行预测,但是显然不应该将模型建立在一个个单独的节点上,节点的关系也需要考虑。
节点层面的任务有很多,包括学术上使用较多的对论文引用网络中的论文节点进行分类,工业界在线社交网络中用户标签的分类、恶意账户检测等。
二、边层面的任务:
边层面的任务主要包括边的分类和预测任务。
边的分类是指对边的某种性质进行预测;边预测是指给定的两个节点之间是否会构成边。
常见的应用场景比如在社交网络中,将用户作为节点,用户之间的关注关系建模为边,通过边预测实现社交用户的推荐。
目前,边层面的任务主要集中在推荐业务中。
三、图层面的任务:
图层面的任务不依赖于某个节点或者某条边的属性,而是从图的整体结构出发,实现分类、表示和生成等任务。
目前,图层面的任务主要应用在自然科学研究领域,比如对药物分子的分类、酶的分类等。
GNN图数据相关任务的分类
最新推荐文章于 2024-01-13 10:33:53 发布