圖：描述關(guān)系數(shù)據(jù)的通用語言，起源于哥尼斯堡七橋問題

傳統(tǒng)的機(jī)器學(xué)習(xí)：數(shù)據(jù)樣本之間獨(dú)立同分布，簡單擬合數(shù)據(jù)邊界，在傳統(tǒng)的機(jī)器學(xué)習(xí)中，每個(gè)數(shù)據(jù)樣本彼此無關(guān)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，只能處理簡單的表格、序列數(shù)據(jù)，不能處理帶關(guān)聯(lián)的數(shù)據(jù)。而圖自帶關(guān)聯(lián)的數(shù)據(jù)。

圖機(jī)器學(xué)習(xí) (GML) ：核心是將機(jī)器學(xué)習(xí)應(yīng)用于圖，專門用于預(yù)測和規(guī)范任務(wù)。

如何讓神經(jīng)網(wǎng)絡(luò)處理圖數(shù)據(jù)？

1.兼容任意尺寸的輸入

2.沒有固定的輸入順序和參考錨點(diǎn)

3.圖動(dòng)態(tài)變化，多模態(tài)特征（音樂推薦）

圖神經(jīng)網(wǎng)絡(luò)

圖神經(jīng)網(wǎng)絡(luò)的輸入是一個(gè)圖，輸出則可以多種多樣的輸出分類標(biāo)簽、新的連接、新的圖或子圖等數(shù)據(jù)。

這種方法不但能學(xué)到每個(gè)數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)聯(lián)信息，還能進(jìn)行端到端的表示學(xué)習(xí)（Representation Learning），甚至不需要人工進(jìn)行特征工程！

輸入圖->黑箱（處理，后續(xù)會詳細(xì)將這個(gè)過程）->輸出結(jié)果

一個(gè)關(guān)鍵的步驟：圖嵌入：將節(jié)點(diǎn)變成低維向量，然后就可以使用傳統(tǒng)的機(jī)器學(xué)習(xí)

圖機(jī)器學(xué)習(xí)應(yīng)用：

節(jié)點(diǎn)層面：

由已知的節(jié)點(diǎn)類別推斷出未知的節(jié)點(diǎn)類別

連接層面：

推薦系統(tǒng)，藥物的聯(lián)合副作用

二分圖：二分圖又稱為二部圖，如果一個(gè)點(diǎn)集可以被分成兩個(gè)部分，所有的邊都在這兩個(gè)部分之間，而每個(gè)集合內(nèi)部沒有邊，則稱這個(gè)圖是一個(gè)二分圖。

圖層面：

抗生素，粒子的模擬，預(yù)測蛋白質(zhì)的空間結(jié)構(gòu)（AlphaFold）

圖數(shù)據(jù)挖掘的工具

圖神經(jīng)網(wǎng)絡(luò)建模工具

1. PyG (PyTorch Geometric)

PyG（PyTorch Geometric）是一個(gè)在PyTorch基礎(chǔ)上開發(fā)的庫，主要用于構(gòu)建和訓(xùn)練圖神經(jīng)網(wǎng)絡(luò)（GNN），可以應(yīng)用于多種與結(jié)構(gòu)化數(shù)據(jù)相關(guān)的場景。PyG具有易用和統(tǒng)一的API接口，讓用戶 10 至 20 行代碼就可以訓(xùn)練自己的GNN模型，不需要知道太多底層機(jī)制的實(shí)現(xiàn)和調(diào)試。PyG庫包含了許多目前最先進(jìn)的GNN架構(gòu)和訓(xùn)練方法，并且可以方便地進(jìn)行擴(kuò)展和定制，以滿足不同的需求和應(yīng)用場景，適合各種需要使用GNN的研究人員和開發(fā)者。

2.?DGL

DGL（Deep Graph Library）是一個(gè)用于開發(fā)圖神經(jīng)網(wǎng)絡(luò)（GNN）的框架，可以幫助用戶在大規(guī)模圖數(shù)據(jù)上進(jìn)行深度學(xué)習(xí)。DGL提供了一組Python API，使得用戶可以輕松地構(gòu)建、訓(xùn)練和評估GNN模型。該框架支持各種類型的圖，包括有向圖、無向圖和多重圖等，可以在圖中進(jìn)行節(jié)點(diǎn)分類、邊分類、圖分類和鏈接預(yù)測等任務(wù)。同時(shí)，DGL還支持多種GNN模型，包括圖卷積網(wǎng)絡(luò)（GCN）、圖注意力網(wǎng)絡(luò)（GAT）、圖注意力池化網(wǎng)絡(luò)（GAP）等，以滿足不同任務(wù)的需求。DGL還支持大規(guī)模分布式計(jì)算，可以在多個(gè)GPU和多個(gè)機(jī)器上進(jìn)行模型訓(xùn)練，以加快訓(xùn)練速度。由于其強(qiáng)大的功能和易用性，DGL被廣泛應(yīng)用于各種領(lǐng)域，如社交網(wǎng)絡(luò)分析、推薦系統(tǒng)、生物信息學(xué)等。

圖可視化工具

3.?NetworkX

NetworkX是一個(gè)Python庫，用于創(chuàng)建、操作和研究復(fù)雜網(wǎng)絡(luò)，如社交網(wǎng)絡(luò)、物理網(wǎng)絡(luò)、生物網(wǎng)絡(luò)和交通網(wǎng)絡(luò)等。該庫提供了一組工具和算法，可以幫助用戶構(gòu)建各種類型的網(wǎng)絡(luò)，包括無向圖、有向圖、加權(quán)圖、多重圖等。同時(shí)，NetworkX還支持大量的網(wǎng)絡(luò)分析算法，如中心性分析、連通性分析、路徑分析、聚類分析、布局算法等，可以幫助用戶理解和探索網(wǎng)絡(luò)的結(jié)構(gòu)和特性。NetworkX還提供了可視化工具，可以方便地將網(wǎng)絡(luò)可視化，幫助用戶更好地理解和展示網(wǎng)絡(luò)數(shù)據(jù)。由于其強(qiáng)大的功能和易用性，NetworkX被廣泛應(yīng)用于各個(gè)領(lǐng)域，如社交網(wǎng)絡(luò)分析、生物信息學(xué)、物理學(xué)、交通規(guī)劃等。

4.?AntV

AntV是螞蟻集團(tuán)提供的數(shù)據(jù)可視化解決方案，其中的G6引擎是專門用來做圖可視化工作的圖可視化引擎。

圖數(shù)據(jù)庫

5.?Neo4j

Neo4j是當(dāng)下最熱門的圖數(shù)據(jù)庫管理系統(tǒng)，采用了圖形結(jié)構(gòu)來存儲和處理數(shù)據(jù)。與關(guān)系型數(shù)據(jù)庫（如MySQL）不同，圖數(shù)據(jù)庫將數(shù)據(jù)表示為節(jié)點(diǎn)和邊的圖形結(jié)構(gòu)，而不是表中的行和列。這使得Neo4j可以輕松地處理復(fù)雜的關(guān)系和連接，并提供高性能的查詢和可擴(kuò)展性。