每日一博 | 一文带你入门图机器学习
本文主要涉及图机器学习的基础知识。 我们首先学习什么是图，为什么使用图，以及如何最佳地表示图。然后，我们简要介绍大家如何在图数据上学习，从神经网络以前的方法 (同时我们会探索图特征) 到现在广为人知的图神经网络 (Graph Neural Network，GNN)。最后，我们将一窥图数据上的 Transformers 世界。 什么是图？ 本质上来讲，图描述了由关系互相链接起来的实体。 现实中有很多图的例子，包括社交网络 (如推特，长毛象，以及任何链接论文和作者的引用网络) 、分子、知识图谱 (如 UML 图，百科全书，以及那些页面之间有超链接的网站) 、被表示成句法树的句子、3D 网格等等。因此，可以毫不夸张地讲，图无处不在。 图 (或网络) 中的实体称为 节点 (或顶点) ，它们之间的连接称为 边 (或链接) 。举个例子，在社交网络中，节点是用户，而边是他 (她) 们之间的连接关系；在分子中，节点是原子，而边是它们之间的分子键。 可以存在不止一种类型的节点或边的图称为 异构图 (heterogeneous graph) (例子：引用网络的节点有论文和作者两种类型，含有多种关系类型的 ...
