泸州中泸集团建设有限公司网站,页面设计的英文,李飞seo,广告设计案例网站前言#xff1a;本期学习是由datawhale#xff08;公众号#xff09;组织#xff0c;由子豪兄讲解的202302期CS224图机器学习的学习笔记。本次学习主要针对图机器学习导论做学习总结。1.什么是图机器学习#xff1f;通过图这种数据结构#xff0c;对跨模态数据进行整理。…前言本期学习是由datawhale公众号组织由子豪兄讲解的202302期CS224图机器学习的学习笔记。本次学习主要针对图机器学习导论做学习总结。1.什么是图机器学习通过图这种数据结构对跨模态数据进行整理。可以实现预测结点、预测结点间关系、将图关系提出去成D维向量或生成子图的一种算法。2.为什么要用图机器学习图机器学习是解决跨模态数据间利用数据间关系进行挖掘的算法而不是像cv、传统机器学习这样算法是针对个体进行学习的算法。有了图机器学习的研究可以掌握数据之间的关系可以对关系进行预测及提炼。图机器学习的方法在很多领域已经有不错的应用例如理疗知识图谱、物理建模粒子效果模拟、蛋白质结构预测。因此图网络的论文也是近年来的热点。3.图神经网络的特点是什么对于图来说网络是复杂的。有任意尺寸的输入同时有着复杂的拓扑结构。没有固定的结点顺序及参考锚点。图在动态变化而且拥有多模态的特点。 对于网络来说输入图网络输出结点标签、新链接、D维向量、生成图与子图特点端到端的表示学习 注意这里的D维向量生成后可以理解为是二维数据可以在此之上进行机器学习方法进行分类或预测。例如将银行客户数据采集到进行预测客户是否会逾期。 4.本次学习的整体课程大纲本次学习的课程是斯坦福大学的CS224W主讲老师是Jure Leskovec 我觉得他好帅啊……而且感觉好年轻学习大纲如下①畅通机器学习方法②node embedding方法图嵌入方法③GNN相关方法④知识图谱推理⑤子图⑥图生成 学习中会用的库pyG、GraphG都是jl老师做的、NetworkX比较简洁的图相关库瑞士军刀、DGL沐神推荐的~亚马逊在做里面有很多复现好的论文算法图数据存储数据库Neo4j 5.图神经网络有哪些应用①节点层次信用卡欺诈②链接层面推荐可能认识的人③社群层将用户聚类挖掘相似群体④图层次生成新的子图导航、铁路建设规划⑤图生成深化输入图的发展完善输入数据 在节点层中一般有已知推未知包括短视频的推荐算法这里子豪兄举例可以做药物融合后副作用预测效果还不错。子图层上的应用也很多有导航、药物设计、物理粒子效果模拟这里面最伟大的一个项目是预测蛋白质空间结构。这个研究推动了治疗癌症药物的发展只需要输入蛋白质序列就可以输出预测的图结构效果斐然。真厉害 子豪兄还介绍了一些日常用得到的图相关应用ReadPaper-论文阅读平台-专业学术讨论社区、Connected Papers | Find and explore academic papers 可以生成自己跌论文引用网络。 还有深圳政府做的bios医疗图谱Biomedical Informatics Ontology System | BIOSIDEA。最后推荐了一名大牛老师刘焕勇-个人主页 (liuhuanyong.github.io)。大佬对图的研究颇有建树。 图是最优质的长期资产网络效应是一个企业最深的护城河。6.图的基本表示6.1 图基本结构6.2 本体图针对解决的问题设计图的结点类型。如果结点类型等于2图叫二分图。二分图中分为u v 两类结点可以单独列出一类做单类分析。如果结点类型大于2的图叫异质图。6.3 图的各种知识点图的边没有方向叫无向图。图的边带方向叫有向图。下图为连接数的计算方法。自连接图和多边图有权图和无权图6.4 图的计算机表示邻接矩阵针对数据量比较丰富的图可以用邻接矩阵的方法表示。一般无向图是对称矩阵有向图是非对称矩阵。当存在自连接情况对角线数据为1 下图为连接总数的计算。 对于大数据表示的图时会发现表现为稀疏矩阵很多都为0.采用连接列表只表示边的列表去表示图。邻接列表 以节点的方式表示整个图。6.5 图的连通性所有点都连通叫连通图。连通子图叫连通域。任意两点可以相互触达是强连接图。强连通子图叫强连通域SCC
