图神经网络

在本节我们主要了解以下内容：GCN如何应用到异构图上、知识图谱的节点嵌入模型，主要是利用Embeddings矩阵进行计算。

在本节我们可以了解到：基础的GNN网络模型/GCN、GraphSAGE、GAT三大模型原理以及区别/ transductive和inductive训练方式区别以及做法

在本节我们可以了解到：1 PageRank的原理。2 PageRank如何应用到推荐系统上。3 图看成矩阵问题进行求解是所有算法中最关键的想法。

在本节我们将了解到以下内容：Deepwalk 主要思想是利用随机游走产生序列，当成句子输入到word2vec学习到特征。

本节对应CS224W的第二个ppt，在本节我们可以了解到如何在节点/边/图层面上提取特征，应用到机器学习上并完成相应的任务

CS224W讲述的是图在机器学习中的应用问题。本系列是本人对CS224W中的slides的个人解读，仅记录在学习过程中的思考。

word2vec是一种词嵌入模型，对单词进行one-hot编码得到的序列数据训练，得到$d$维空间上的词向量，从而得到降维的效果。