图机器学习（1）--导论

0 引入

���坦福大学CS224W图机器学习公开课-同济子豪兄中文精讲：https://github.com/TommyZihao/zihao_course/tree/main/CS224W

为什么是图？图是描述关联数据的通用语言。

前期的研究：节点之间独立同分布，没有关系。

图：节点之间有关联关系。

0.1 图数据举例

0.2 问题描述

黏菌按照人类规划的铁路网进行生长。

复杂域具有丰富的关系结构，可以表示为关系图。

通过显式地建模关系，我们可以获得更好的性能！

我们如何利用关系结构进行更好的预测？

0.3 图学习的难点

1 图神经网络

2 课程简介

斯坦福大学CS224W课程：http://cs224w.stanford.edu/

图机器学习的库：

3 图机器学习的应用

3.1 节点层面的应用

由已知节点的类别去推断未知节点的类别。

3.2 连接层面的应用

推荐系统：

已知的连接去推断未知的连接。

药物的联合副作用：

由已知的副作用（连接）来推断未知的副作用（连接）。

3.3 子图层面的应用

导航：

3.4 图层面的应用

从海量的分子中筛选出有用的分子。

3.5 预测蛋白质的空间结构

4 图的商业价值

5 几个图相关的项目