聚焦AI财富厘革，图神经收集或将是下一个拐点

图神经收集（GNN）是 AI 规模最为火爆的研究热门之一，学术界与家产界各大公司纷纷投入大量资源研究。它在因果推理上拥有庞大潜力，有望办理深度进修无法处理赏罚的相关推理、可表明性等一系列题目，而这些题目被业界以为是可以或许敦促 AI 呈实际质性盼望的要害。

连年来，图神经收集技能获得了学术界极大的存眷与相应。各大学术集会会议纷纷推出 GNN 相干的 workshop，在投中的论文中，以 Graph Network 为要害词的论文数目也泛起井喷之势。

在接头GNN之前，我们先来相识一下什么是图。在计较机科学中，图是由极点和边两部门构成的一种数据布局。按照极点之间是否存在偏向依靠相关，边可所以有向的，也可所以无向的。

图是一种数据布局，它对一组工具（节点）及其相关（边）举办建模。连年来，因为图布局的强盛示意力，用呆板进修要领说明图的研究越来越受到重视。GNN是一类基于深度进修的处理赏罚图域信息的要领。因为其较好的机能和可表明性，GNN 最近已成为一种普及应用的图说明要领。GNN 的第一个念头源于卷积神经收集（CNN）。CNN 的普及应用带来了呆板进修规模的打破并开启了深度进修的新期间。然而 CNN 只能在法则的 Euclidean 数据上运行，如图像（2 维网格）和文本（1 维序列）。怎样将 CNN 应用于图布局这一非欧几里德空间，成为 GNN 模子重点办理的题目。

GNN 的另一个念头来自图嵌入，它进修图中节点、边或子图的低维向量空间暗示。DeepWalk、LINE、SDNE 等要领在收集暗示进修规模取得了很大的乐成。然而，这些要领在计较上较为伟大而且在大局限上的图上并不是最优的，GNN 旨在办理这些题目。

图收集是一个将收集科学于深度进修相团结的规模，连年来，大量优越的行使图收集技能对伟大体系举办建模的事变层出不穷，譬喻图卷机收集，图留意力收集，应用于大局限数据的GraphSAGE算法等。

不外，这些代表性的事变所存眷的均是伟大收集中的正向题目，即在已知收集布局的环境下完成节点分类，图分类等使命。对比于上述使命而言，收集重构则更像是一个“逆题目”，即通过对体系的调查来展望出体系内部的收集布局并进修到体系的动力学法则。

总的来说，图神经收集强盛的计较手段，对图布局数据的友甜头理赏罚，深受研究者们的喜欢，但其仍存在许多必要办理的题目。

GNN 在经验过 2017-2018 年两年的孕育期与实行期之后，在 2018 年尾至今的一年多时刻里，迎来了快速发作期。从理论研究到应用实践，可谓是各处着花，让人应接不暇。

在理论研究上，GNN 的道理表明、变体模子以及对各类图数据的拓展适配等事变成为了主流。而在应用实践上，GNN 更是揭示出了亘古未有的渗出性，从视觉推理到开放性的阅读领略题目，从药物分子的研发到 5G 芯片的计划，从交通流量猜测到 3D 点云数据的进修，可以明明看到 GNN 极其辽阔的应用远景。

GNN 作为一个新兴的技能偏向，其道领略读以及种种变体与拓展组成了理论研究的热门，这些论文很好地答复了 GNN 的优弱点以及相干的顺应性改革题目。当前 GNN 研究的第一个热门在于其相干手段的理论化研究。在 《How Powerful are Graph Neural Networks?》和 《On the equivalence between graph isomorphism testing and function approximation with GNNs》 中，都对 GNN 在图同构题目上的示意举办了切磋。即，图同构题目是分辨给定的两个图是否同等？

GNN 模子的相干变体研究是规模内的另一个热门，这些变体在一些方面晋升了 GNN 的手段示意。我们知道 GCN 模子来历于图信号上的傅里叶调动，“Graph Wavelet Neural Network” 引入了图信号上的小波调动来改革 GCN 模子，将卷积计较调动到空域局部邻域内。

将数据表征从欧式空间转化到双曲空间，不只能得到更好地条理化暗示，同时能大大节省空间维度，“Hyperbolic Graph Convolutional Neural Networks”和“Hyperbolic Attention Networks” 同时将 GNN 拓展到了双曲空间上去。在“MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing”和“Diffusion Improves Graph Learning”中，同时将原始 GCN 中的邻人界说由一阶拓展到高阶，强化了模子低通滤波的特征，是传统收集所无法企及的。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!