Datawhale 图机器学习 组队学习Task01

图无处不在

背景

• 图是描述关联数据的通用语言

• 在我们生活中，其实很多数据都是以网络/图的形式存在的，大概可以分为

• Networks (Natural Graphs) 。可以看做是自然网络，比如社会、社交网络、蛋白质图谱、基因图谱、思维导图等。

• Information Graphs 可以看做是各种信息汇聚成为的网络，如知识图谱，相似网络（similarity netoworks）等等。

• 传统机器学习任务假设数据之间独立同分布，彼此独立无关，但是图的节点之间是相互关联的

• 图的表示学习：端到端的学习方式，不需要特征工程，输入原始图数据，输出不同类型的下游预测任务

• 图嵌入：学习节点的特征表示，把复杂数据（图像、文本、语音）变成一个包含节点语义信息的嵌入向量；节点、连接、子图、全图都可以有特征

网络/图论的基本知识

图的结构

图由三类重要的元素组成：

• Objects (对象)：Nodes（节点）、顶点（Vertices），用 $N$ 来表示

• Interactions（相互作用）: links（链接）, edges（边），用 $E$ 来表示

• System (系统)：network（网络）, graph（图），用 $G(N,E)$ 来表示

构建一个网络/图，就是定义它的这些基本结构——哪些信息/元素作为节点，这些节点之间怎么进行连接（即边怎么定义）。对于不同的场景，选择合适的图来进行描述和建模，会变得事半功倍。

图的不同形式

有向图和无向图

完全图 (Complete Graph)

在图论的数学领域，完全图是一个简单的无向图，其中每对不同的顶点之间都恰有一条边相连。

**二分图 (Bipartite Graph，二部图，对偶图)

在二分图中，图的节点恰好可以分为两个互不相交的集合 $U$ 和 $V$，图中每条边都是这两个集合中的节点的链接。二分图是一种十分常见的图数据对象，描述了两类对象之间的交互关系，如：用户与商品，作者与文章。

二分图的折叠 (folded) /投影 (projection) 是指若该集合中的某些节点如果有链接到另一个集合的同一个节点，则认为他们之间存在一定的关系。

加权图（Weighted graph）与非加权图（Unweighted graph）

连通图与非连通图

如果图中存在孤立的顶点，没有任何边与之相连，这样的图被称为非连通图。反之，如果不存在孤立顶点的图称为连通图。

其他类型的图

图的储存

邻接矩阵（Adjacency matrix）

邻接矩阵中 $A_{ij} = 1$ 表示有边连接（指向）节点 $i$ 到节点 $j$；否则，$A_{ij}=0$。

现实中，在大多数情况下，邻接矩阵表现为稀疏矩阵，并且现实中的网络是稀疏的。

图机器学习、图神经网络编程工具

• PyG（PyTorch Geometric）：基于 Pytorch 开发的目前也是使用最为广泛的库，与之相对的是 DGL

• GraphGym： 设计图神经网络的平台

• 复杂网络分析工具：NetworkX

• 图数据的可视化：AntV、Echarts、GraphXR

图机器学习应用

目前对于网络的研究主要集中在以下几个方面/场景：

• 对节点的类型/属性进行预测。例如：节点分类。

• 预测两个节点是否相连。例如：链路预测（link prediction）。如推荐系统中推荐用户商品、电影评价、药物副作用预测

• 识别紧密相连的节点群。例如：社区挖掘（Community detection），节点聚类。

• 计算两个节点或者网络的相似性。如：两个节点可能相距较远，但是运行机制上可能存在相似的地方。

• 对于整个图的预测或者分类。例如：引文文献的分类，药物发现或者物理模拟等。