图机器学习(2)

系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

传统图机器学习特征的表示方法。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、传统图机器学习方法-节点

思考题

节点层面，存在哪些数据挖掘任务，有何应用场景？
答：信用卡欺诈检测。

“传统图机器学习方法”传统在何处？
答：需要人工创建特征向量。

特征工程在数据挖掘中有什么作用？
答：好的特征可以让模型更好的分类或预测。

在传统图机器学习中，为什么要对节点、连接、全图做特征工程？
答：有了特征工程模型才能学习

传统图机器学习方法相比图神经网络（深度学习），有什么优点和缺点？
答：优点：可解释性。缺点：需要人工进行特征工程，学习的好坏和特征十分相关。

节点层面可以构造哪些特征？这些特征可以归为哪两类？
答：Node Degree，Node Centrality，Clustering coefficient，Graphlets。
分为数量和质量

简述不同的Node Centrality计算方法

只用Node Degree作为节点重要度，会有什么缺点？
答：不能表示节点的质量。

Eigenvector centrality和PageRank有什么异同？

Betweenness Centrality和Closeness Centrality有什么区别？分别揭示了节点是什么特征？

你认为所有海峡中，哪个海峡的Betweenness Centrality最高？

你认为中国所有城市中，哪个城市的Closeness Centrality最高？

湖北到中国任何一个省级行政区，最多跨两个省，说明哪个特征高？

你认为你所在城市的地铁站中，哪个地铁站的Closeness Centrality最高？哪个地铁站的Clutering Coefficient最高？

地铁线路连接关系，应该如何表示？（邻接矩阵、连接列表、邻接列表）

你认为你的人脉圈中，谁的Clutering Coefficient最高？为什么？

什么是Ego-Network（自我中心网络）？

Graphlet和Wavelet（小波分析）有什么异同？

由四个节点组成的图，存在多少种Graphlet？

五个节点构造的所有Graphlet中，存在多少种不同角色的节点？

节点的哪些特征，可以衡量该节点是否为中心枢纽节点？桥接节点？边缘孤立节点？

除了课程中讲的Centrality之外，还有哪些Centrality指标？（PageRank、Katz Centrality、HITS Hubs and Authorities）

二、传统图机器学习方法-连接

思考题

连接层面，存在哪些数据挖掘任务，有何应用场景？

连接层面可以构造哪些特征？这些特征可以归为哪三类？

简述Link Prediction的基本流程

A和B都知道梅西，C和D都知道同济子豪兄，请问哪对人物更容易产生社交连接。可以用哪个特征解释？

两个节点没有共同好友时，可以用什么特征，将连接编码为D维向量？

简述Katz Index的算法原理

如何计算节点U和节点V之间，长度为K的路径个数

为什么不直接把link两端节点的向量特征concat到一起，作为link的向量特征

三、传统图机器学习方法-全图

思考题

全图层面，存在哪些数据挖掘任务，有何应用场景？

全图层面可以构造哪些特征？

全图层面的Graphlet，和节点层面的Graphlet，有什么区别？

子图匹配，算法复杂度如何计算？

简述Weisfeiler-Lehman Kernel的算法原理

Weisfeiler-Lehman Kernel的词汇表（颜色表）是如何构建的？

Weisfeiler-Lehman Kernel，算法复杂度是多少？

Weisfeiler-Lehman Kernel和图神经网络（GNN）有什么关系？

简述Kernel Methods基本原理

为什么在Graph-level任务中，使用Kernel Methods

除了Graphlet Kernel和Weisfeiler-Lehman Kernel之外，还有哪些Kernel

传统图机器学习和特征工程中，哪些特征用到了邻接矩阵Adjacency Matrix？

如何把无向图节点、连接、全图的特征，推广到有向图？

如何用代码实现Weisfeiler-Lehman Kernel？

---

总结

提示：这里对文章进行总结：

传统图机器学习特征的表示方法。