Task01：图深度学习介绍

来自DataWhale组织的《动手学图深度学习》组队学习课程

课程资料：https://github.com/datawhalechina/grape-book

如下是Task01学习笔记

1  图的介绍

图是一种结构化数据类型，具有节点(nodes)（保存信息的实体）和边缘(edges)（节点的连接，也保存信息）。图可以表示对象之间或实体之间复杂交互的关系。常见的图有：人类社会、化学相互作用、神经元连接、知识图谱 等。

图可以用于建模：社交图、经济图、通信图、事件图、知识图、病毒传播路径网络、信息图、互联网、神经元图、分子图、场景图、细胞图等等

2  图的应用

2.1  链接预测:(边级别)

• 社交网络Q--朋友推荐

• 知识图谱补全

• 药物相互作用预测
• 预测用户偏好（商品推荐）

2.2  节点分类问题(节点级别)

• 用户分类(性别)
• 影响力传播

• 交通预测(节点表示路段，是否拥堵)
• 空气质量预测Q(节点表示地方)

2.3  图分类问题(图级别)

• 药物特性预测(每个药就是一张图)
• 蛋白质特性预测(每个蛋白质就是一张图)
• 大脑网络分析(每个大脑网络就是一张图

3  应用神经网络于图面临的挑战

 图数据是非规则的非结构化的，而以往的深度学习技术是为规则且结构化的数据设计的

参考资料

1.《图深度学习》——第一章-CSDN博客

2. 包勇军、朱小坤、颜伟鹏、姚普，图深度学习从理论到实践，清华大学出版社，2022