【斯坦福CS224W笔记之二】传统图机器学习的特征工程 — 节点

Traditional Methods for ML on Graphs

是根据同济子豪兄学长的中文讲解做的笔记哦，感兴趣的话可以直接去b站观看详细视频：
传送带：
https://github.com/TommyZihao/zihao_course/blob/main/CS224W/1-Intro.md

图数据挖掘可以分为节点层面，连接层面还有全图层面

Possible options

节点、连接、子图、全图都可以有特征

• Weight (e.g. , frequency of communication )
• Ranking (best friend, second best friend …)
• Type ( friend, relative, co-worker )
• Sign : Friend vs. Foe, Trust vs. Distrust
• Properties depending on the structure of the rest of the graph: Number of common friends
  多模态特征： 图像、 视频、文本、音频

自己的特征称之为属性特征
收入、学历、年龄、婚姻状态、工作单位、征信

本节重点一个节点在图里面的功能，它是桥接还是枢纽，还是边缘节点，更倾向于节点在社群里面扮演什么角色。

Feature Design :
Using effective features over graphs is the key to achieving good model performance.
Tradtional ML pipeline uses hand-designed features. 人工构造的特征（特征工程）
我们可以采用人为设计特征向量，把向量输入到机器学习特征中（特征工程）
Goal : Make predictions for a set of subjects.
Design choices:
Features: d-dimensional vectors
Objects :Nodes, edges, sets of nodes, entire graphs
Objective function: What task are we aiming to solve?

节点层面的特征工程（ Node-Level Tasks)

过程：输入某个节点的D维向量，输出该节点是某类的概率（如图） 关键是把D维向量构造好，质量要足够高

可以进行节点的分类判断，由已知的图猜测未知的节点分类问题，为半监督学习（semi-supervised learning)

• Goal : Characterize the structure and position of a node in the network:
  • Node degree (节点的连接数，只看数量，不看质量）
  • Node centrality（节点的重要度）
  • Clustering coefficient (聚集系数）
  • Graphlets （定义子图模式）

Node Degree

Node Centrality

重要度其实就是节点的质量
Node centrality cv takes the node importtance in a graph into account
节点重要度又可以分为其他几类：

• Eigenvector centrality
• Betweenness centrality
• Closeness centrality
• and many other…

Eigenvector centrality :

一个节点的重要度等于与它相邻的节点的重要度求和，是递归问题（recursive manner)
可以运用矩阵运算，其实就等同于求邻接矩阵的特征向量和特征值
Rewrite the recursive equation in the matrix form.
A: Adjacency matrix
C: Centrality vector

Betweenness centrality

可以用来判断一个节点是否处在交通咽喉和必经之地
A node is important if it lies on many shortest paths between other nodes.
算每一对的最短距离（如图）

Closenesss centrality

去哪儿都近
A node is important if it has small shortest path lengths to all other nodes.

Clustering Coefficient

集群系数（有多抱团）
数三角形的个数
不同节点的集群系数不一样，找节点之间的联系
说明节点的连接关系密切
ego-network(自我中心网络）
三角形意味着我们提前定义了一个子图，我们也可以定义其他的，比如 graphlet

Graphlet

可以看作是同分异构体
不同节点扮演不同的节点角色
我们提取某一个节点周围的graphlet的子图个数，可以构建一个向量，称为Graphlet Degree Vector
可以描述节点的拓扑结构，比较两个节点的GDV向量可以计算距离和相似度

Analogy

• Degree count #(edges) that a node touches
• Clustering coefficient counts #(triangles) that a node touches.
• Graphlet Degree Vector(GDV): Graphlet-base features for nodes
  • GDV count(#graphlets) that a node touches