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、基因和蛋白质的调控网络、场景网络（场景间的关系）、化学分子（原子和化学键）、代码图（计算图）

2 如何对带关联的图数据进行数据挖掘

2.1学习任务分类

• 传统机器学习：在分类、回归任务中，数据样本之间独立同分布（拟合一条决策边界）
• 现代深度学习：主要用于处理序列、矩阵、表格类数据，包括全连接神经网络、卷积神经网络（CS231N）、循环神经网络（CS224N）、Transformer、图神经网络（CS244W）
• 图机器学习是人工智能和深度学习的新蓝海

2.2图深度学习的难点

• 需要兼容任意尺寸输入、拓扑复杂
• 没有固定节点顺序和参考锚点（从上往下卷积，但是图没有顺序）
• 动态变化（社交网络在变化），具有多模态特征（例如歌曲，包括音频、视频MV、歌手介绍等特征）

2.3 图神经网络

• 优点：无需人工特征工程，可以进行端到端的表示学习，并自动学习特征
• 表示学习（图嵌入）：把复杂数据（图像、文本、语音）变成一个包含节点语义信息的嵌入向量，能够充分反应原始数据的语义。（图神经网络就是吧节点表示成D维向量，比如把256个点表示成256个D维向量）关键是把图表示成D维向量

3 图机器学习、图神经网络编程工具

• PyG（PyTorch Geometric）：官方自己的库，和PyTorch类似
• GraphGym
• NetworkX
• DGL：李沐老师推荐的，适合进行学术研究
• 图数据可视化：AntV、Echarts、GraphXR
• 图数据库：Neo4j

4 图机器学习应用

4.1 应用场景

• 最短路径的搜索和查找（Pathfinding & Search）：高德地图导航
• 分析节点重要度（Centrality / Importance）：PageRank算法、网页排名
• 社群检测（Community Detection）:银行卡欺诈找到诈骗村
• 连接预测（Link Prediction）：好友的推荐
• 相似度（Similarity）：人物相似性
• 图嵌入（Embeddings）：Node2Vec

4.2 分的层次

• Node-level（节点层面）：对节点进行分类
• Edge-level（连接层面）：推荐可能认识的人、推荐内容，两个节点是否有有链接
• Community-level（子图层面）：社群检测、用户聚类
• Graph-level（整个图层面）：分子是否有毒、设计新的分子结构

4.3图机器学习的分类

• 节点分类：预测节点的属性
• 连接预测：预测两个节点是否存在缺失连接（知识图谱补全、药物副作用联合副作用）
• 图的分类：对不同图像进行分类
• 聚类：检测节点是否形成新的社区
• 图的生成：新的药物分子的生成
• 图的演化：离子的模拟

4.3 应用举例

• Node-level：由已知的节点类别预测未知的节点类别

• Edge-level：由已知的连接去预测未知的连接

  • 推荐系统：喜欢的电影、听的音乐、买的商品
  • 药物联合副作用：潜在药物组合太多，无法逐一临床验证，建立图，预测药物副作用

• Subgraph-level：

  • 导航预测：预计交通时间

• Graph-level：

  • 药物发现：从大量抗生素中，选取出有潜力的分子，再生成符合条件的新分子，或可以在已有分子的基础上进行优化
  • 物理模拟：将粒子作为节点，相互作用力作为连接，构建图，从而预测下个时刻的粒子位置及速度

• 预测蛋白质的空间结构：

  • 背景：由于氨基酸组成的蛋白质链非常多，需要从氨基酸多肽链一级结构，预测三维结构

  • AlphaFold：能够预测蛋白质的三维结构，加速蛋白酶的研发

  • 图的构建：将角度和距离作为连接，基团作为节点

  • AlphaFold DB：有2亿多个蛋白质的三维结构

5 图数据挖掘项目

• ReadPaper：专业的学术讨论社区，实现文献引用网络
• CONNECTED PAPERS：可以展示文献引用网络
• BIOS：生物医学知识图谱
• Hypercrx：展示项目关系网络图、项目活跃开发者协作网络图
• OpenRank：一种基于异质网络的价值评价算法
• 开源项目和开源企业排行榜：open-leaderboard.x-lab.info
• 红楼梦人物知识图谱