《图机器学习、图神经网络、知识图谱》

1 知识回顾 GNN通用框架包括邻域信息转换、邻域信息集合、跨层连接、输入图和特征的增广、学习目标 GNN训练步骤：拆分数据集、预测头、损失函数、模型评估 2 GNN的表示能力 2.1 GNN基础概念

1 知识回顾 节点嵌入表示：相似度的计算$\text{similarity}(u, v) = z_v^T z_u$ 深度图编码器：基于图结构的多层非线性变换 使用场景包括节点分类、连接预测、社区检测、

1 基本概念回顾 图机器学习的任务：节点层面、连接层面、社交（子图）层面、全图层面 半监督节点分类：通过已知节点预测出未知标签节点的类别 半监督节点分类问题的求解方法：节点特征工程、节点表示学习（图嵌

Task06 PageRank 1 PageRank冷知识 PageRank是Google最早的搜索引擎算法，给每个网页重要度打分，高分靠前 1997年之前的搜索引擎：网页收录少，相关率20%，排序效

Task05 Node2Vec论文精读 1 Node2Vec简介 1.1 Graph Embedding图嵌入 图嵌入：将图中的节点node映射到D维向量vector，D维向量具有低维、连续（元素都是

Task05 DeepWalk论文精读 1 DeepWalk简介 1.1 相关概念 DeepWalk主要将Graph的每一个节点编码成一个D维向量，Embedding中隐式包含了Graph中的社群、连

1 回顾 图机器学习的任务：节点层面、连接层面、社交（子图）层面、全图层面 传统机器学习步骤：（节点、连接）抽取D个特征编码成D维向量，再进行训练和预测。（不讲属性特征，只讲连接特征） 如何把节点映射

创建图——连接表和邻接表 导入三元组连接表 数据来源：http://www.openkg.cn/dataset/ch4masterpieces 通过连接表Edge List创建图 可视化 查看全图参数

NetworkX安装与内置图 验证安装成功 设置matplotlib中文 经典图结构 全连接无向图 全连接有向图 环状图 梯状图 线性珠串图 星状图 轮辐图 二项树 格栅图 二维矩阵网格图 多维网格图

Task02 图的基本表示和特征工程 1 图的基本表示 1.1 图的基本表示 Objects：nodes（节点）、vertices（顶点）表示为

1基本概念 图：描述关联数据的通用语言 图的应用场景：计算机网络、疾病传播路径、食物链、地铁站、社交网络、经济网络、通讯网络、论文引用网络、互联网（网页引用）、人脑神经网络、医疗知识图谱、基因和蛋白质