斯坦福CS224W图机器学习Task01图机器学习导论

同济子豪兄：图机器学习、图神经网络、知识图谱【斯坦福CS224W公开课中文精讲】

相关讲解GitHub地址

目录

热门ai研究方向

新论文精读专题：图机器学习

学习路径与必读论文清单：

什么是图？

关于图的应用

我们如何利用关系结构进行更好的预测？

我们如何开发出更广泛适用的神经网络？

为什么图深度学习非常难？ 

图机器学习

表示学习

图相关资料和网站

图机器学习、图神经网络编程工具

图可视化工具

图的应用

几个图数据挖掘项目

总结

---

斯坦福CS224W图机器学习、图神经网络、知识图谱【同济子豪兄】_哔哩哔哩_bilibili

热门ai研究方向

新论文精读专题：图机器学习

图机器学习 图数据挖掘 图神经网络GNN 图卷积神经网络

GCN

知识图谱 知识计算 对话问答 推荐系统 社会计算 媒体计算

网络智能 社交网络 情感计算

学习路径与必读论文清单：

斯坦福CS224W（子豪兄中文精讲）知识图谱实战

Deepwalk、 Node2vec

PageRank

GNN、 GCN、 Gragh-SAGE、 GIN、 GAT

Trans- E、 Trans-R

什么是图？

Graphs are a general language for describing and analyzing entities with relations/interactions

图是描述和分析具有关系/交互的实体的通用语言

 

将一个个彼此独立无关的点（每一个点都是独立同分布的i.i.d）连接起来。

关于图的应用

 

哥尼斯堡七桥问题

 

在哥尼斯堡的一个公园里，有七座桥将河中两个岛及岛与河岸连接起来，问是否可能从这四块陆地中任一块出发，恰好通过每座桥一次，再回到起点。

欧拉于1736年研究并解决了此问题，并因此开创了数学的一个新的分支——图论与几何拓扑。

“黏菌”拥有智能吗？不仅能规划交通，还能画出宇宙暗物质网

我们如何利用关系结构进行更好的预测？

传统机器学习，数据样本之间独立同分布

现代深度学习工具箱是为简单的序列和网格而设计的

我们如何开发出更广泛适用的神经网络？

图机器学习是人工智能和深度学习的新蓝海，可以看到图的关键字出现频率非常高。

为什么图深度学习非常难？ 

• 任意大小和复杂的拓扑结构（即，没有像网格那样的空间局部性）
• 没有固定的节点顺序和参考锚点
• 通常是动态的和具有多模态的特性

图机器学习

表示学习

将节点映射到d维嵌入，从而使网络中的相似节点紧密地嵌入在一起

 （监督）机器学习生命周期：这个特性，那个特性。每一次！

图相关资料和网站

http://cs224w.stanford.edu

▪ 在上课前发布的幻灯片

阅读:

▪ Graph Representation Learning Book by Will Hamilton

▪ 研究论文

选读:

▪ 论文及它所参考的文献

图机器学习、图神经网络编程工具

PyG

networkx

Deep Graph Library

 

图可视化工具

Graphin | 图可视分析解决方案 - Graphin

G6

Examples - Apache ECharts

DB-Engines Ranking - popularity ranking of graph DBMS

图的应用

 

 

节点分类：预测一个节点的属性  例子：分类在线用户/项目

链接预测：预测是否有缺少两个节点之间的链接  例子：知识图完成

图分类：分类不同的图  例子：分子属性预测

集群：检测如果节点形成一个社区  例子：社会圈检测

其他任务：▪图生成：药物发现▪图演化：物理模拟

几个图数据挖掘项目

ReadPaper-论文阅读平台-专业学术讨论社区

Biomedical Informatics Ontology System

刘焕勇老师的个人主页

Hypercrx

Open Leaderboard

Code Galaxies Visualization

总结

图是描述大自然的通用语言。图蕴含了巨大的商业价值和科研价值。图在过去现在未来都在改变各行各业。图机器学习是长期通用技能。图机器学习可以和人工智能各方向结合(大模型、多模态、可信计算、NLP)。