斯坦福Representation Learning on Networks-intro

一.为什么使用网络？
网路是一种描述和建模复杂系统的一般语言，具有以下优势：
1.描述复杂数据的通用语言：来自科学、自然和技术的网络难以想象的相似
2.不同领域共享词汇：计算机科学、社会科学、物理学、经济学、统计学、生物学
3.可用数据多：Web/移动、生物、健康和医疗
4.对当前产生巨大影响：社交网络，社交媒体，药物设计
二.使用网络的经典机器学习任务
1.节点分类
2.链接预测
3.社区识别：识别紧密相连的节点集群/簇）
4.网络相似性：评估两个网络/子网络的相似性
三.机器学习过程
1.传统机器学习到深度学习的变化
2.图的特征学习
目标：对网络进行有效的不依赖任务的特征学习
困难：现在的深度学习工具是依据简单的序列或网格结构设计的，而网络远比序列或网格复杂
网络的特点：
复杂拓扑结构（没有像网格的节点那样的特定空间位置）
没有固定的节点排序或参考点（同构问题）
经常为动态的且有多模态特征
四.内容大纲
1.node embeddings
2.Graph neural networks
3.applications