What-Is-Graph-Neural-Network?
This project aims to collect all knowledge points related to graph neural network (basic knowledge, key points analysis of the paper, etc.).
前言
- 有关图网络的中文资料太少了 😐 本项目意在收集所有与图神经网络有关的知识点(基础知识、论文要点解析等)。🌴独木不成林,独林不成森。如果您有想要分享的相关知识点或论文要点概括,欢迎 fork 或 直接发 issue,可提供昵称与联络方式,所有被收录的知识点整理或解析提供者将被记录在文末,整理资料时请一并提供引文出处。能力有限,无法保证所收录内容的绝对准确性,如有疑问或指教,期待与您 issue 相见 ⛄。
- 图网络研究交流QQ群:832405795
十万个为什么
本栏目收集所有图网络相关问答 🤡,若您有任何关于图网络的不解之处,欢迎发issue,此处将收录优质提问与解答(如果是某篇特定图网络论文的问题发issue时请标上论文序号或名字,问答将被收录在对应 readme 中)。如果您有意愿分享图网络相关问题的解答,欢迎 fork→PR 或 issue。
1. 什么是GNN?
- 图是一种数据结构,它对一组对象(节点)及其关系(边)进行建模。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,GNN 最近已成为一种广泛应用的图分析方法。
2. GNN具有哪些优势?
- 图网络可以处理非欧几里得数据。标准的CNN和RNN网络不能处理图输入这种非顺序排序的特征表示。换句话说,图中节点的排序是没有规律可言的。如果非要用传统的CNN和RNN来处理图数据的话,只能遍历图中节点所有可能的出现顺序作为模型的输入,这对模型的计算能力来说是难以承受的。GNN分别在每个节点上传播,忽略了节点之间输入的顺序。换而言之,GNN的输出是不随节点的输入顺序为转移的。
- 图中的边表示两个节点之间的依赖关系。在传统的神经网络中,这种依赖关系只能通过节点的特征表示来体现。GNN可以依赖周围的状态来更新节点的状态。
- 推理能力,与人类从日常经验中获取推理能力相似,GNN能够从非结构化数据(例如:场景图片、故事片段等)中生成图。与之对比的是,传统CNN和RNN能够从大量经验数据中生成完整的图片和文档,但并不能学习出这种推理图(reasoning graph)。
3. GNN存在哪些不足?
- 浅层结构:目前GNN还只能在较浅层的网络上发挥优势,随着层数的加深,网络会出现退化。
- 动态图:目前大多方法只能应用在静态图上,对于动态图还没有特别好的解决方案。
- 非结构化场景:还没有一个通用的方法来合理的处理非结构化数据。
- 扩展性:将图网络应用于大规模数据上仍然面临着不小的困难。
4. GNN的应用有哪些?
节点上的任务
- 风险识别
- 价值排名
- 社群检测
- 用户画像
- 节点分类
边上的任务
- 推荐系统
- 知识推理
- 链路预测
图上的任务
- 高分子分类
- 点云分类、识别、分割
- 表示学习/图嵌入
- 图聚类
- 图匹配
- 图生成
- 图相似度度量
- 人体骨架识别
5. GNN方向常用数据集有哪些?
- Cora:https://s3.us-east-2.amazonaws.com/dgl.ai/dataset/cora_raw.zip
- Pubmed:https://s3.us-east-2.amazonaws.com/dgl.ai/dataset/pubmed.zip
- Citeseer:https://s3.us-east-2.amazonaws.com/dgl.ai/dataset/citeseer.zip
- BlogCatalog:http://socialcomputing.asu.edu/datasets/BlogCatalog
- Reddit:https://github.com/linanqiu/reddit-dataset
- Epinions:http://www.trustlet.org/downloaded_epinions.html
- PPI:http://snap.stanford.edu/graphsage/ppi.zip
- NCI-1:https://ls11-www.cs.uni-dortmund.de/people/morris/graphkerneldatasets/NCI1.zip
- NCI-109:https://ls11-www.cs.uni-dortmund.de/people/morris/graphkerneldatasets/NCI109.zip
- MUTAG:https://ls11-www.cs.uni-dortmund.de/people/morris/graphkerneldatasets/MUTAG.zip
- QM9:https://github.com/geekinglcq/QM9nano4USTC
- Tox21:https://tripod.nih.gov/tox21/challenge/data.jsp
6. 支持GNN的神经网络框架有哪些?
- 🌟推荐 Pytorch Geometric:速度快(约DGL的15倍),复现多,支持pytorch
- DGL:支持PyTorch、MXNet、TensorFlow 等主流框架
7. 图模型和概率图模型有什么区别?
论文要点解析
贡献者
注意:此处仅代表知识点整理或答题贡献,不代表内容全部原创,整理资料时请一并提供引文出处。此处排名不分先后,仅按时间顺序排列。
- Knife丶 QQ:1272068154 微信:ly18597591102