图深度神经网络综述（一）

图深度神经网络综述（一）

参考文献：Deep Learning on Graphs: A Survey

简介

1. 在图结构数据上使用深度学习的限制：

   • 图的不规则性

     与图像，音频或文本数据不同，图是一种不规则的数据结构。因此，对于神经网络难以定义对应的卷积或者池化操作。造成了几何上的深度学习问题。

   • 图的不同结构和处理任务

     图可能有多重结构，例如同构的或者异质的，加权的和不加权的，有符号的或者没符号的。对于图的处理包括对于节点的，节点分类和链路预测，对于图的，图分类和生成图。对于图不同的结构或者任务需要定义不同的模型来处理特定的问题。

   • 可扩展性和并行化

     大数据时代下网络规模非常大，因此需要设计一种可扩展的并且只有线性复杂度的模型。此外，图的节点和边需要建立在同一个模型上，并行化也是一个需要考虑的问题。

   • 跨学科问题

     不同领域的数据需要不同领域的知识来处理，因此模型需要考虑到各个领域的知识。

2. 将已有的方法分为三类：

• 半监督的方法

• 无监督的方法

• 最近提出的方法

3. 不同类方法的区别

• 深度模型的解决的问题

• 对于节点

  • 节点分类
  • 链路预测
  • 节点推荐

• 对于图

  • 图分类
  • 图属性预测
  • 生成图

• 介观结构

  • 社团检测