GDL学习笔记（一）——概要+图基本知识

为什么将数据表示为图结构

一系列真实世界的问题可以作为图上的计算任务。

图上的节点是内在连接的，这表明节点不是独立的和相同分布的。因此，传统ML是不能直接应用于图计算任务上的。对于此问题，我们有宏观和微观两套方案：1)是构建一个新的、特定于图的机制：使用集体分类；2)通过构建一系列的特征来表示其节点，实现图的展开，这样就可以使用传统ML方法。

图上的特征学习

对于图节点的特征嵌入，有两种方式：1)特征工程：依赖于手工设计的特征，例如：节点度统计；2)特征学习：特征学习是自动地学习节点特征。

图特性与度量标准

节点的度

节点在一个图中的度表示该节点与其它节点相邻接的频率。定义如下：
$$d(v_i)=\sum _{v_j\in V}{I}_{ϵ}(v_i,v_j)$$
其中，$I_{ϵ}$是一个指示函数：
I ϵ ( v i , v j ) = { 1 , i f ( v i