李宏毅机器学习课程笔记-8.1图神经网络入门

目录

• GNN的用处
  • 分类（Classification）
  • 生成（Generation）
• 为什么要用GNN
• 使用GNN时可能遇到的问题
• GNN的两种思路
• GNN导图
• 任务和数据集
  • 常见任务
  • 常用数据集
• 其它

GNN的用处

分类（Classification）

比如，有很多不同的化学分子，将其表示成图作为输入，用GNN判断其是否会导致突变，这就是一个有监督分类问题。

生成（Generation）

比如，我们需要开发针对新冠病毒的新药，我们可以训练出一个可以生成我们想要的分子（输出形式为图）的GNN，然后用这个GNN生成可以对抗病毒的某种化学分子。

GraphVAE

为什么要用GNN

上面列举的分类、生成的例子中输入或输出都是图，所以要用GNN。图不仅包含了各个结点的信息，更重要的是它包含了各个结点之间的关系。

使用GNN时可能遇到的问题

• 如何通过结点间的信息帮助模型
• 图中可能包含大量结点，数据集非常大
• 大量结点都是没有label的

GNN的两种思路

很直观地可以想到，一个结点和它的相邻结点肯定有某些特定的关系，比如说相似（近朱者赤近墨者黑）、相反、合作等等。在多数情况下，数据集unlabeled node都是远多于labeled node的，我们想要得到一个较好的模型，那我们要如何利用仅有的少量labeled node以及它和邻居间的关系呢？结合CNN，我们要如何将卷积这个操作推广到GNN模型中，用卷积将结点嵌入到某个特征空间中呢？有两种方法

• Spatial-based Convolution

  Generalize the concept of convolution(corelation) to graph.

• Spectral-based Convolution

  Back to the definition of convolution in signal processing.

GNN导图

任务和数据集

常见任务

• Classification
• Regression
• Graph Classification
• Graph Representation Learning
• Link Prediction

常用数据集

• CORA: citation network, 2.7k nodes and 5.4k links
• TU-MUTAG: 188 molecules with 18 nodes on average

其它

https://www.dgl.ai/

---

Github（github.com）：@chouxianyu

Github Pages（github.io）：@臭咸鱼

知乎（zhihu.com）：@臭咸鱼

博客园（cnblogs.com）：@臭咸鱼

B站（bilibili.com）：@绝版臭咸鱼

微信公众号：@臭咸鱼

转载请注明出处，欢迎讨论和交流!

---

标签：8.1,node,结点,Classification,李宏毅,神经网络,com,咸鱼,GNN
来源： https://www.cnblogs.com/chouxianyu/p/14608957.html