Все данные со связанными отношениями могут быть представлены в виде графиков. Например: транспортная сеть, карта знаний, молекулярная структура, межличностная сеть, архитектура компьютерной сети, взаимосвязь представления генов и белков и т. д.
2. Как выполнить интеллектуальный анализ данных графа
Для некоррелированных, независимых и одинаково распределенных данных алгоритмы CNN, RNN и Transformer в традиционном машинном обучении могут очень хорошо выполнять интеллектуальный анализ данных.
Машинное обучение графов и нейронные сети графов — это методы, которые специализируются на обработке данных графов.
Характеристики графических данных:
График меняется динамически;
Размер фигуры должен быть произвольным;
Характеристики графов обычно мультимодальны;
Графики не имеют фиксированного порядка узлов или опорных точек.
3. Графовая нейронная сеть
Графовые нейронные сети могут обеспечить сквозное обучение представлению:
Входные данные: данные графика;
Вывод: новый граф, новый подграф, категории узлов, новые связи между узлами.
Так называемое обучение представлению можно понимать как преобразование информации узла графовой нейронной сети в d-мерный вектор.
Этот d-мерный вектор содержит собственную информацию об узле и информацию о его соединении.
Этот процесс также называется внедрением графа.
4. Распространенные инструменты программирования для графического машинного обучения
7. Примеры применения графового машинного обучения
Уровень узла: определение неизвестных типов узлов на основе известных типов узлов;
Уровень связи: вывод неизвестных связей на основе известных связей (система рекомендаций, побочные эффекты комбинации препаратов);
Уровень подграфа: кластеризация, обнаружение сообществ, система навигации;
Уровень всего графа: классификация графов, генерация графов (генерация новой молекулы и прогнозирование ее физических и химических свойств, моделирование физической модели, прогнозирование пространственной структуры белков).
8. Заключение
Во всех аспектах жизни, таких как промышленность, медицина и торговля, применение графиков есть и будет продолжать использоваться.
Овладение умением обрабатывать картинки – единственный способ заглянуть в мир.