在本节主要讨论图机器学习研究的应用及其影响。
在马赫图机器学习中,我们可以制定不同类型的任务,我们可以在单节点的级别上制定任务,我们可以在以下级别制定任务。
接下来展示的应用程序以及可以应用此类方法模型的不同领域:
在这些所有的机器学习任务中,我们使用图会导致高影响力的应用程序。例子:
上面我们讨论关于图机器学习的一些应用,下面我们将要讨论边缘级机器学习任务,我们基本上是在进行链接预测或尝试了解不同节点之间的关系。
在推荐系统中,基本上,可以在用户与商品互动时将其视为产品、电影、歌曲等节点。
链接级别预测任务的另一示例非常不同:药物组合的副作用。
如何创建两级异构网络?其中三角形是不同的药物,圆圈是我们体内的蛋白质。然后,药物起作用的方式是它们靶向不同的蛋白质。因此,这些是三角形和圆形之间的边。
我们谈到了推进系统,也谈到了副作用预测。现在,我们想谈谈子图级机器任务:
1. 流量控制:
图机器学习用于做出旅行时间的这些预测。图表的创建方式是节点代表路段,路段之间的连通性被该网络的边缘捕获。
我们的图神经网络方法是根据条件进行训练和每个路段的交通方式以及来源于目的地之间的路径。
最后,谈谈图形级机器学习任务,示例:
药物发现
基于物理的模拟: