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
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