WWW2020 GNN的一些总结 PPT

转载专知，DGL

【导读】国际万维网大会（The Web Conference，简称WWW会议）是由国际万维网会议委员会发起主办的国际顶级学术会议，创办于1994年，每年举办一届，是CCF-A类会议。WWW 2020将于2020年4月20日至4月24日在中国台湾台北举行。由于疫情影响，这次会议在线上举行，本届会议共收到了1129篇长文投稿，录用217篇长文，录用率为19.2%。小编推荐一份图深度学习-图神经网络教程，预览版可以查看。

图片来源：https://github.com/dglai/WWW20-Hands-on-Tutorial

从图数据和关系数据中学习在许多应用中起着重要的作用，包括社交网络分析、市场营销、电子商务、信息检索、知识建模、医学和生物科学、工程等。在过去的几年里，图神经网络(GNNs)已经成为一种很有前途的新型监督学习框架，能够将深度表示学习的能力引入到图和关系数据中。越来越多的研究表明，GNNs在链路预测、欺诈检测、目标配体结合活性预测、知识图谱补全和产品推荐等方面的性能达到了最新水平。

本教程的目标有两个。首先，它将概述GNN背后的理论，讨论GNN非常适合的问题类型，并介绍一些最广泛使用的GNN模型体系结构和设计用来解决的问题/应用程序。其次，它将引入深度图库(Deep Graph Library, DGL)，这是一种新的软件框架，简化了高效的基于GNN的训练和推理程序的开发。为了使事情更具体，本教程将提供使用DGL的实践会话。这个实践部分将涵盖基本的图形应用程序(例如，节点分类和链接预测)，以及更高级的主题，包括在大型图和分布式设置中训练GNN。此外，它还将提供使用GNNs和DGL进行实际应用(如推荐和欺诈检测)的实践教程。

第1节:图神经网络概述。本节描述了图神经网络是如何运作的，它们的基本理论，以及它们相对于其他图学习方法的优势。此外，它还描述了图形上的各种学习问题，并展示了如何使用GNNs来解决这些问题。
第2节:深度图库(DGL)概述。本节描述DGL提供的不同的抽象和api，这些抽象和api旨在简化GNN模型的实现，并解释DGL如何与MXNet、Pytorch和TensorFlow进行接口。然后介绍DGL的消息传递API，该API可用于开发任意复杂的GNNs和它提供的预定义GNN nn模块。
第3节:基本图任务的GNN模型。本节演示如何使用GNNs解决四个关键的图数据学习任务:节点分类、链接预测、图数据分类和网络嵌入前训练。它将展示如何使用DGL的nn模块实现一个流行的GNN模型GraphSage，并展示如何在不同类型的下游任务中使用由GraphSage计算出的节点嵌入。此外，本文还将演示使用DGL的消息传递接口实现定制的GNN模型。
第4节:大型图的GNN训练。本节使用第3节中描述的一些模型来演示DGL中的微型批处理训练、多GPU训练和分布式训练。它首先描述了mini-batch训练的概念如何应用于GNN，以及如何通过使用各种抽样技术来加速mini-batch计算。接下来将举例说明一种称为邻接抽样的抽样技术，如何使用木星笔记本在DGL中实现。然后将该笔记本扩展为多GPU训练和分布式训练。
第5节:实际应用的GNN模型。本节使用前面几节中描述的技术，展示如何使用GNNs开发用于推荐和欺诈检测的可伸缩解决方案。在推荐方面，本文提出了一种基于最近邻的项目推荐方法，该方法通过采用端到端的学习方法，利用GNN模型学习项目嵌入。对于欺诈检测，它扩展了上一节中的节点分类模型，以处理异构图，并解决了标记样本很少的情况。

(以上slides来源DGL GitHub, 仅供学术交流)

下载链接：

https://github.com/dglai/WWW20-Hands-on-Tutorial/blob/master/GNN_overview.pptx

Tutorial安排：

https://github.com/dglai/WWW20-Hands-on-Tutorial

WWW2020 GNN的一些总结 PPT相关推荐

论文浅尝 | WWW2020 - 知识图谱中的实体摘要:算法、评价和应用 (PPT)
本文转载自公众号:专知. 知识图谱封装了实体和关系.知识图谱的简洁表示格式和图的特性使得许多新的Web应用程序得以创建,并增强了现有的应用性能.然而,在一个知识图谱中,描述一个实体的几十个或几百个事实 ...
Structural Deep Clustering Network 基于GNN的深度聚类算法 WWW2020
论文链接:https://arxiv.org/abs/2002.01633 代码与数据集链接:https://github.com/lxk-yb/SDCN 摘要聚类是数据分析中一个基础任务.最近,深 ...
31页PPT概述：图神经网络表达能力有多强？
整理 | 一一出品 | AI科技大本营近年来,图神经网络的研究成为深度学习领域的热点. 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,由于图结构的强大表现力,用机器学习方法分析图的 ...
AAAI2020-图神经网络（GNN）过去、现在、应用和未来最新研究进展分享
GNN是Graph Neural Network的简称,是用于学习包含大量连接的图的联结主义模型.近年来,图神经网络(GNN)在社交网络.知识图.推荐系统甚至生命科学等各个领域得到了越来越广泛的应用. ...
斯坦福2021版图机器学习课程完结，视频、PPT全放送，大神主讲
来源:AI科技评论本文约1000字,建议阅读5分钟通过研究潜在的图结构及其特征,向学生介绍机器学习技术和数据挖掘工具,从而获得对各种网络的"洞察". 近日,据斯坦福大学Jure L ...
目前看的图神经网络(GNN)论文的一些总结
该文首发于知乎专栏:在天大的日日夜夜已获得作者授权最近组会轮到我讲了,打算讲一下目前看的一些GNN论文以及该方向的一些重要思想,其中有借鉴论文[1].[2]的一些观点和<深入浅出图神经网络: ...
微软开源了一个用TF实现的GNN例程库
点击我爱计算机视觉标星,更快获取CVML新技术 2019年接近尾声,许多学术机构盘点本年度AI领域技术关键词总少不了图神经网络(GNN),业界渐成共识:CNN处理图像视频等矩阵数据.RNN处理序列数据 ...
58页PPT揭示图神经网络研究最新进展
点击我爱计算机视觉标星,更快获取CVML新技术该PPT作者为图神经网络领域权威.斯坦福大学副教授Jure Leskovec,其也是图表示学习方法 node2vec 和 GraphSAGE 作者之一. ...
学术前沿 | DeepMind最新成果：图表示学习算法推理~46页ppt
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散编辑:Sophia 计算机视觉联盟报道 | 公众号 CVLiangMeng 转载于:专知 AI博士笔记系列推荐周 ...

WWW2020 GNN的一些总结 PPT

WWW2020 GNN的一些总结 PPT相关推荐

最新文章

热门文章