• 图深度学习_简介


    图是一种通用的数据表示形式。现实世界中有许多数据可以表示为图的形式,也有很多数据可以转换车过图的形式。
    ​​​​​​​​​​​​在这里插入图片描述
    尽管有的数据转换成图结构会有一定损耗,但是这这样的损耗不会影响下游任务的效果。如:连接预测;节点分类(根据与之相连的带标签节点来预测其标签);图级分类;图生成,图对比等。

    如何利用图的信息提升任务的效果

    图数据不是独立同分布数据,节点间是存在联系的,因此不适用于传统基于独立同分布假设的机器学习方法。

    一些方法

    将图数据转换成传统数据–图上的特征提取

    在这里插入图片描述
    深度学习在图像处理上取得了很多成果,因为深度学习能够很好的完成特征学习。因此如果能将深度学习应用到图数据上,那么就可以直接对图数据进行特征学习。

    深度学习应用在图上的挑战

    • 节点的邻居可以是任意数量
    • 拓扑结构更复杂
    • 节点没有固定的顺序

    图深度学习的应用价值

    图特征提取

    特征工程

    给定图,手动提取特征(包括度,中心性等)
    局限性:手动提取,过程费时费力;无法考虑下游任务的特殊要求,特征不全面

    特征学习

    给定图,自动学习节点或图的表示方法
    优点:可以根据下游任务来优化特征提取

    方法

    特征选择——保留主要(重要)特征,实现特征降维(保留了原始数据的可解释性,保持原数据物理意义不变等)
    局限性:从原始特征空间选取特征,不能产生新的特征表示。
    在这里插入图片描述
    特征学习——从原始特征空间中学习新的特征表示,虽然得到的新的特征表示不具有物理意义,但是有更强的表示有助于下游任务。
    在这里插入图片描述
    图表示学习
    第一代:数据降维
    图表示->矩阵形式->对矩阵的分解可以用在图上
    在这里插入图片描述
    第二代:图嵌入
    词嵌入->图嵌入
    在这里插入图片描述
    第三代:图深度学习
    参考:图卷积神经网络
    在这里插入图片描述
    图表示学习的每一代之间都是紧密联系的。

    图理论简介

    在这里插入图片描述
    所有深度学习模型都是端对端的模型
    第二代图表示学习–一个通用框架–学习现有图嵌入方法
    在这里插入图片描述

    图神经网络

    输入:图结构-邻接矩阵,每个节点(包含属性信息)
    图滤波操作可以得到节点的表示;图池化操作可以得到图的表示。
    在这里插入图片描述
    图滤波是想通过图的拓扑结构来对图的节点信息进行增强。图滤波操作不会改变图的拓扑结构,即邻接矩阵不变,但特征会发生变化
    图滤波分为两大类:基于谱域的图滤波,基于空间域的图滤波
    在这里插入图片描述

    图池化希望通过节点的表示来得到图的表示,通常将图不断的变小(池化),最后变成整个图只有一个节点。一步池化以后,图的结构会发生变化,通常是变小(粗糙化)->通过不断池化,就可以通过一个节点或几个节点表示整个图。
    图池化分为两种:平面图池化->一步到位;层次图池化->一层一层进行池化
    在这里插入图片描述
    鲁棒性:图是脆弱的,一些微小的结构变化都可能会导致预测结果变化。
    在这里插入图片描述
    图神经网络可拓展性–逐点采样法;逐层采样法;子图采样法
    图上的深度学习模型 --参考:MolGAN: An implicit generative model for small molecular graphs
    在这里插入图片描述

    图深度学习的应用

    自然语言处理

    推荐系统

    数据挖掘

    • 社会影响力预测
    • 社交表征学习
    • 政治观点预测

    计算机视觉
    参考:
    用图卷积网络进行多标签图像识别
    PointFlow:具有连续标准化流的 3D 点云生成

    生物医疗
    在这里插入图片描述

    图的不足:浅层网络结构,层数增加存在过度平滑问题

    在这里插入图片描述

    可解释性

    参考:GNNExplainer: Generating Explanations for Graph Neural Networks
    在这里插入图片描述

  • 相关阅读:
    经典算法之希尔排序(Shell‘s Sort)
    【亚马逊云科技产品测评】活动征文|AWS Linux配置node环境并部署Vue项目
    超纯水如何除硼,除硼树脂技术分析
    Spring Boot 性能太差?试试这几招!
    命理八字之答案之书前端uniapp效果实现
    linux修改用户密码脚本
    qpoases解MPC控制
    JSP | JSP的page指令和九大内置对象
    SAP Business One二次开发:解锁潜力,实现定制化需求
    Session 和 Cookie 使用
  • 原文地址:https://blog.csdn.net/qq_34539676/article/details/125429174