陕西响应式网站建设,wordpress分类目录404,全网,知乎的网络营销方式文章目录 一. 无处不在的图二. 如何对图数据做信息挖掘三. 图神经网络四. 图机器学习常用的编程工具五. 图的可视化工具六. 常见的图数据库七. 图机器学习的应用举例八. 结束语 一. 无处不在的图
一切具有关联关系的数据都可以用图来表示。比如#xff1a;交通网、知识图谱、… 文章目录 一. 无处不在的图二. 如何对图数据做信息挖掘三. 图神经网络四. 图机器学习常用的编程工具五. 图的可视化工具六. 常见的图数据库七. 图机器学习的应用举例八. 结束语 一. 无处不在的图
一切具有关联关系的数据都可以用图来表示。比如交通网、知识图谱、分子结构、人际关系网、计算机网络架构、基因与蛋白质表征关系等。
二. 如何对图数据做信息挖掘
对于没有关联的、独立同分布的数据传统机器学习中的CNN、RNN、Transformer算法就可以对数据很好的进行信息挖掘。图机器学习与图神经网络就是专门处理图数据的方法。图数据的特点 图是动态变化的图的尺寸应该是任意的图的特征一般是多模态的图是没有固定的节点顺序或参考锚点的。 三. 图神经网络
图神经网络可以实现端到端的表示学习 输入图数据输出新的图、新的子图、节点的类别、节点间的新连接。 所谓的表示学习可以理解成图神经网络将节点信息映射成一个 d 维的向量。这个 d 维的向量包含了该节点自身的信息以及它的连接信息。这个过程也称为图嵌入。
四. 图机器学习常用的编程工具
PyGGraphGymNetworkXDGL
五. 图的可视化工具
AntV可视化Echarts可视化graphxr可视化
六. 常见的图数据库
Neo4j
七. 图机器学习的应用举例
节点层面根据已知的节点类别推测未知的节点类别连接层面根据已知的连接推测未知的连接推荐系统、药物联合副作用子图层面聚类、社群检测、导航系统整图层面图分类、图生成生成一种新的分子并预测其理化性质、物理模型模拟、预测蛋白质的空间结构。
八. 结束语
在工业、医疗、商业等生活中的方方面面图的应用都正在并要一直大放异彩。掌握了处理图的能力就是掌握了窥探这个世界的不二法门。
