图算法十篇 之 图机器学习系列文章总结

图算法十篇 之 图机器学习系列文章总结

---

文章源码下载地址：点我下载http://inf.zhihang.info/resources/pay/7692.html

老铁们 ,帮忙 推荐转发 一下吧～ 感谢 ！！！ 推荐语：图算法十篇，就看算法全栈之路

时光如梭，想想 距离 上一篇文章 总结 企业级机器学习推荐算法总结 已经过去一个月了。 想来 很多同学 看我只是 不停的 更新 图相关的很多算法 ，没点进文章的同学 不知道我在说什么内容 ，在这里我做一个简单的小节哈，希望能让 大家明白 我在干什么 ～

在上一篇文章里，我们 重点阐述 了 机器学习推荐算法 pipline 涉及到的 log 处理、样本处理、特征处理、召回模型、排序模型 以及 算法工程师会用到的 python 脚本 以及 shell 脚本，从 理论与实践相结合 的角度，详细的阐述了 企业级机器学习 推荐算法(广告与自然量均有涉及) 整体常规流程，内容 由浅入深，算是对 日常常规推荐算法工作 的部分总结了，不清楚的同学可以阅读 上面链接 里的 历史文章 哈 ～

经过一个月的连续作文，在 上一篇总结 里 提到的 word2vec文章、 mmoe 文章 和 esmm 文章 也陆续推出 ，算是对 多任务学习 的 管中一窥、深秋一叶 。其内容 深入浅出 ，也算是 深入思考与实践理解 后的 佳作 了，感兴趣 的 同学 也可以 翻看历史文章 去找出来 看一眼，相信你 会 有所收获的 ～

最后 到 本文要 介绍的重点 了： 在最近 大半个月，作者 花了一些时间 陆续 将 以前工作和学习中 用到的 图机器学习/图深度学习 相关的 算法知识 陆续进行了 文字总结 并 输出了系列文章 ，内容涉及 图基础知识综述 、 graph embeding 基础知识综述、以及 基于 图卷积 的系列文章 如 使用 tensorflow 和docker 进行图深度学习的 graphlearn 介绍 、 同构图链接预测、同构图节点分类与回归、同构图边分类与回归、异构图分类与回归 、异构图链接预测 和 基于图游走的图瑞士军刀系列 的 deepwalk 和tensorflow1.0 的理论与实践 文章 与 deepwalk 的 tesorflow2.0 keras 实现 的文章。

对 图机器学习/图深度学习 感兴趣的同学，通过 阅读上面 共 10 篇 左右的系列文章，就算是初次了解 算法的小白 和 工作多年 未涉及到 图算法相关内容 的 算法老司机，均能够 由浅入深 的对 图算法 有一个大致的了解，进而再进行 图算法的算法定制与围绕图展开一系列的研究 ，均似 如臂使指，水到渠成, 如此eazy !!! 。 通过文章 逐步揭开图算法的神秘面纱 ，我们一起克服初次 理解图算法 的 困难，一同步入 图机器学习 的 殿堂 吧～～～

目前这个 系列文章 首发了 微信公众号 ： 算法全栈之路，并逐渐同步于 知乎、csdn、掘金、今日头条 等互联网平台。所以，在别的平台看到 同马甲 的账号，不用怀疑，都是我。作为一个对 技术痴迷 的宅男，欢迎你 留言 和 我一起交流 吧～

---

（1）图算法系列文章一览 (已完结)

上面提到的一些内容，作者 以前发表 的文章里 均有涉及，可以去这里查看：

（1）一文揭开图机器学习的面纱，你确定不来看看吗 https://mp.weixin.qq.com/s/6dDz9QFjQOh5RuK4pMx9Kg

（2）graphSage还是HAN ？吐血力作综述Graph Embeding 经典好文
https://mp.weixin.qq.com/s/T1oLgGMUEZYfTGrHVT7-9A

(3) 看这里，使用docker部署图深度学习框架GraphLearn使用说明
https://mp.weixin.qq.com/s/ykZ0XolZYJrxyivEpvzHsQ

(4) GraphSage与DGL实现同构图 Link 预测，通俗易懂好文强推
https://mp.weixin.qq.com/s/JLJDuiDmRzo53tgOMCrwcQ

(5) 基于GCN和DGL实现的图上 node 分类, 值得一看 !!!
https://mp.weixin.qq.com/s/hmKZuTWYZJmFJHFbshkuQQ

(6) 千字好文，基于未采样GraphSage算子和DGL实现的图上 Edge 回归
https://mp.weixin.qq.com/s/IQarsYqvZKF95JO6AWWH1Q

(7). 重磅好文透彻理解,异构图上 Node 分类理论与DGL源码实战
https://mp.weixin.qq.com/s/6dsQITiqKDdfuOjs4YHypA

(8) 异构图 Link 预测 理论与DGL 源码实战
https://mp.weixin.qq.com/s/V7w-Q1__gCbb4_zhYJoaPQ

(9) 图上 deepwalk 算法理论与实战，图算法之瑞士军刀篇(一)
https://mp.weixin.qq.com/s/WLk10AGMSTGPYYkuXKnixA

(10) 图上 deepwalk 算法理论 与 tensorflow keras 实战，图算法之瑞士军刀篇(二)
https://mp.weixin.qq.com/s/6x1X1JeLwp5633X6yrbRNQ

数了数，无形中，已经更新了 图算法相关的文章 有 10 篇了， 可以合称 “图算法十篇” ， 对用到 图算法 的 同学 理解图 是非常有帮助的，欢迎 各位老铁们 一起 推荐转发 吧～

---

(2) 图算法系列文章内容概览

按照惯例，为了方便大家对 图机器学习/图深度学习 系列文章的 阅读和理解 ， 这里我们分别对的每一篇 大概介绍 的内容 进行说明，希望能够一起一个 阅读指南的作用吧，下面让我们开始吧 ～

（2.1） 一文揭开图机器学习的面纱，你确定不来看看吗 这篇文章是万字长文,主要说明了 图这种数据结构与别的数据结构没什么不同 ，在图上跑算法的基础知识。中间涉及了 图分类、图存储、图基础原理与图上传统机器学习 的若干内容，在文章最后面部分涉及到了 图上深度学习 的内容，很是值得一观。

（2.2） graphSage还是HAN ？吐血力作综述Graph Embeding 经典好文 这篇文章主要 讲解了 近几年 比较火的图机器学习/图深度学习 相关的内容，主要是 graph embeding 相关 的内容，包括 同异构图上游走算法系列 和 图卷积算法系列 ，对后文理论的基础理解很有帮助。

（2.3）看这里，使用docker部署图深度学习框架GraphLearn使用说明 这篇文章是 使用docker 部署 graphlearn 图深度学习框架 的文章，在作者才开始了解图算法的时候， 花了大量的时间理解图算法 ，第一个demo就是使用 阿里巴巴的graphlearn 框架 跑通的，对 tensorflow 有偏爱 的同学，可以 上手尝试 哦，有 工具的部署说明和 graphlearn 图算法的 代码实现 ，文章内容不错哦 ～

（2.4）graphSage与DGL实现同构图 Link 预测，通俗易懂好文强推 这篇文章主要讲了 同构图上链接预测 任务，详细说明了 图上有监督机器学习与无监督机器学习的异同 ，深度剖析了 图上消息传播 的过程，并结合基于 pytorch 框架实现的dgl 图深度学习框架 和 GraphSage 实现了 链接预测。因为 图链接预测 是无监督机器学习算法，对于我们获得 图节点的embeding 是非常友好的算法，欢迎阅读哦 ～

(2.5) 基于GCN和DGL实现的图上 node 分类, 值得一看 !!! 这篇文章主要讲了 同构图 上 节点分类回归 任务，分别介绍了 直推式学习和归纳式学习 的异同、图上必须与非必须采样 和 基于dgl 框架实现的 节点采样 与大数据量下 分 batch 训练 图深度学习的方法，看看吧，会对你 很有启发的～

(2.6) 千字好文，基于未采样GraphSage算子和DGL实现的图上 Edge 回归 这篇文章主要介绍了 图上边分类回归 任务，剖析了如何运用框架将 图上边embeding 和 节点embeding 结合起来，对于我们 导出图上边的embeding 有一定的借鉴意义。

（2.7） 重磅好文透彻理解,异构图上 Node 分类理论与DGL源码实战 这篇文章主要讲了 在 异构图 上进行 图节点分类回归 的任务，深入剖析了 异构图上 消息传播与聚合 的流程，以及 图卷积采样 与 工程实现 代码 相互印证 的 过程，对 dgl 实现的 采样block 流程 进行了 深入思考 与 理解，具有 极高的参考价值 。

（2.8） 异构图 Link 预测 理论与DGL 源码实战 这篇文章主要介绍了 异构图上链接预测 任务，因为其 无监督性质 与对 导出节点embeding任务 的高度 契合性，是 异构图上用的最广泛的一种算法 ，理论 结合 代码实践，很是 值得一看 哦！！

（2.9） 图上 deepwalk 算法理论与实战，图算法之瑞士军刀篇(一) 这篇文章主要讲了 基于 deepwalk 的基础理论 与实现架构，并基于 tensorflow 1.x 和 networkx 实现了 deepwalk 算法，同时也提供了一种 实现阿里巴巴 EGES (Enhanced Graph Embedding with Side Information) 算法的思路 ，瑞士军刀，简单直接好用，强烈推荐 ！！！

（2.10）图上 deepwalk 算法理论 与 tensorflow keras 实战，图算法之瑞士军刀篇(二) 这篇文章是 图算法之瑞士军刀篇 的 第二篇，也是 本次 图机器学习算法系列 文章的 最后一篇 ，主要讲解了 如何基于 tensorflow 2.0 的 keras 框架实现 deepwalk 算法 ， 整个代码是 一个小型的 工业可用 的 算法工程项目 ，强烈推荐！！！

到这里，图算法十篇 之 图机器学习系列 就算 彻底完结了，感兴趣的 或者 对某方面有疑问的 可以留言 或则 关注微信公众号：算法全栈之路 和我讨论哦。 哎，知识 和 阅历有限，如有 缪误，欢迎 提出宝贵意见 一起 讨论下～

---

(3)接下来写什么呢

目前 算是写了 两个系列 吧，分别是上一次总结的 企业级机器学习推荐算法系列 和本次总结的 图机器学习/深度学习系列 。

接下来，打算写一个 手把手实现模型 系列的文章，计划从 数据整理与读入、模型结构、损失设计、序列建模 等方面入手吧，估计重点会集中到 tensorflow 框架使用 与 spark 大数据处理 流程上。

中间也会 穿插介绍 一些 自己使用 的 好用的工具，算是 个人感觉 对我们 算法企业实践 具有 极大帮助 的 工具 吧！

后面 的 计划不变，写写 风控，写写 个人对算法的理解和心得 ，希望能够 把简单的机器学习模型 化腐朽为神奇 ，真正的 做到 对大家的 工作学习 有帮助，能帮助 同行们 节省时间 ，加深理解，那我做的事情也是 有意义 的吧！

继续 写写写 吧，笔杆子里有力量， 来日方长， 未来可期 ， 我们一起努力吧 ～

---

码字不易，觉得有收获就动动小手转载一下吧，你的支持是我写下去的最大动力 ～

更多更全更新内容 ： 算法全栈之路