CS224W1.1——图机器学习介绍-CSDN博客

学习一下斯坦福CS224W的图机器学习2021年并做一下学习笔记主要是研究方向与图神经网络相关。这次是第一次笔记图片很多都是从斯坦福的PPT里截取的。主要为了之后自己忘了可以快速回顾一下。

1. 介绍

首先介绍一下什么是图

简单来说图是一种描述和分析实体之间关系的通用表达形式。

图的种类也有很多比如

事件图、计算机网络图、疾病传播图、食物链图、分子图、地铁路线图。

社交网络图、金融图、沟通图、论文引用图、因特网、神经元网络。

知识图谱、监管网络图、场景图、代码结构图、分子结构图、3D图形。

有些时候图Graphs和网络Networks的区别是模糊的

2. 主要问题

• 而我们的主要问题集中在如何利用关系结构去进行更好的预测

复杂领域具有丰富的关系结构可以用关系图来表示。通过显式地对关系建模我们可以获得更好的性能是我们的模型预测准确度提高。

3. 深度学习如何应用在图结构中

现代深度学习神经网络适用于简单序列、网格结构如上图。

然而图神经网络一般比较复杂

• 图结构的大小任意。
• 没有空间局部性网格数据中有上下左右文本数据中有左右。
• 大部分情况图神经网络是动态的节点不是固定的。

所以我们目前的存在一个很大的问题就是我们怎样才能开发出更广泛适用的神经网络?

我们要做的是大概就是输入一个图结构数据经过多层神经网络结构输出一些预测。而我们要怎样构建一个这样的神经网络结构去完成这样一个端到端的任务而不需要人为输入图结构的特征表示。

传统的特征工程将被取代我们希望给出一写图数据可以自动生成较好的图数据特征表示以便用于下游任务。

图神经网络主要作用就是将我们节点映射到一个d维空间使与该节点在d维空间中相近的节点在原图中也与该节点相似。主要目标就是学习出来这个f函数。

4. 课程大纲

以上是一些相关的研究也是接下来要学习的内容。