笔记（一）斯坦福CS224W图机器学习、图神经网络、知识图谱

节点和连接构成的图

如何对图数据进行挖掘？

传统机器学习，数据是独立同分布的，解决表格、矩阵、序列等问题

图机器学习处理连接的数据，需要满足以下几个方面：

• 1、图是任意尺寸输入
• 2、图是动态变化的，有时也是多模态数据

图，可以实现端到端的表示学习

图嵌入，把节点映射为D维向量，并且能够反应原数据的语义信息

工具：PyG、NetworkX、dgl、

图可视化工具：AntV、Echarts、Graphxr

应用：

• 最短路径
• 节点重要性-度中心性
• 社群检测
• 连接预测
• 相似性
• 嵌入

节点分类-已知推未知

连接预测-二分图、推荐系统、已知连接推未知连接、药物联合副作用、导航

图层面：药物设计、物理模拟（粒子物理、流体物理）、蛋白质的空间预测

图生成、图演化-