当前位置 博文首页 > 韦全敏的博客:CS224W图机器学习笔记1-图机器学习基础知识
课程和PPT主页
图(Graphs)是一种用于描述和分析具有关系或相互作用的实体的通用语言。
现实生活中存在很多种类型的图,例如:
广义的图主要可以分为两种:
不过在很多时候网络和图之间的区别是模糊的
现代深度学习主要针对简单的序列(主要文本和音频)和网格数据(图片),即欧式数据。
但是主流的深度学习技术不能处理图数据(非欧式空间数据),下图左边。
非欧式空间数据特点为:
图神经网络主要框架如下:
(类似降维操作,在低维空间中节点的表示会变得更加的紧凑。)
图机器学习应用的任务主要可以分为以下四大类:
典型的图机器学习的任务有:
一个图主要由节点和边构成,有些图还会存在节点特征、变特征等组件。
一些常见的图:
图可分为有向图(Directed Graph)和无向图(Undirected Graph):
图中有一个重要的概念-度
:
图可使用邻接矩阵
进行表示,缺点是邻接矩阵通常是稀疏的。
图的第二种表示方法是使用“节点对”列表
进行表示:
对于大图或者稀疏图一般使用邻接表
进行表示:
节点和边的属性的可能有:
图加了节点和边的属性之后,可以表达更多的信息:
具有多个连通分量的网络的邻接矩阵可以由分块对角线形式编写,因此非零元素被限制在正方形内,其他元素都为零。
强连通分量: