深入浅出的图神经网络——读书笔记

day1

第一章 图的概述

  • 1.1 图的基本定义(图的基本类型、邻居和度、子图与路径)
  • 1.2 图的存储与遍历(邻接矩阵与关联矩阵)
    前两节的内容都是数据结构学习过的知识,比较熟悉,比如说有向图和无向图以及加权图,图的邻居和度,以及邻接矩阵的概念和图的遍历广度优先搜索和深度优先搜索方法。
  • 1.3 图数据的应用场景
    • 这一节主要讲述我们没有接触过,但是却在图实际应用中很重要的四类图:同构图、异构图、属性图和非显示图。各类图的概念晦涩难懂,需要借助例子帮助理解。
    • 1、同构图:关于图的同构(Isomorphic),最简单的例子就是五边形和五角星了:
      • 上图中,G1和G2为同构的,因为:
      • 从G1的结点到G2的结点,存在一个一对一的映上函数 f (one - to - one and onto function f )
      • 从G1的边到G2的边,存在一个一对一的映上函数 g (one - to - one and onto function g )
      • G1中,边e1与结点a,b相关联,当且仅当(if and only if) G2中边 g(e) 与结点 f(a) 和 f(b) 相关联(E1和结点A,B相关联)。若满足此条件,函数 f 和 g 称为从G1到G2的同构映射(Isomorphism)
    • 2、异构图:图中可以存在不只一种节点和边,因此允许不同类型的节点拥有不同维度的特征或属性。
    • 3、属性图:是由 顶点(Vertex),边(Edge),标签(Lable),关系类型 还有 属性(Property)组成的有向图。顶点也称为 节点(Node),边也称为 关系(Relationship)。
    • 4、非显示图:数据之间没有显示地定义出关系,需要依据某种规则或者计算方式将数据的关系表达出来,进而将数据当成一种图数据进行研究。
  • 1.4 图数据深度学习
    • 图数据相关任务的一种分类:
    • 1、节点层面(Node Level)的任务
      • 节点层面的任务主要包括分类任务和回归任务。
    • 2、边层面(Link Level)的任务
      • 边层面的任务主要包括边的分类和预测任务。边的分类是指对边的某种性质进行预测;边预测是指给定的两个节点之间是否会构成边。
    • 3、图层面(Graph Level)的任务
      • 图层面的任务不依赖于某个节点或者某条边的属性,而是从图的整体结构出发,实现分类、表示和生成等任务。
posted @ 2020-08-16 22:06  下一百斤就改名字~园  阅读(184)  评论(1编辑  收藏