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】
目录
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
学习路径与必读论文清单:
什么是图?
关于图的应用
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。
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
图机器学习、图神经网络编程工具
图可视化工具
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
Biomedical Informatics Ontology System
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)。