本文从UP主同济子豪兄的图神经网络视频中习得，大部分PPT源自斯坦福CS224W课程，链接：
同济子豪兄的个人空间-同济子豪兄个人主页-哔哩哔哩视频 (bilibili.com)

1、知识图谱

怎末根据数据建立一个关系网？

（1）可以通过数据建立一个图模型，用这个图模型解决一个实际带有关系性的问题。

（2）从海量数据中抽取实体间的关系

创建知识图谱需要用到NLP技术（对于文本数据来说）

一般拿到的数据都是非结构化的数据，其中非结构化数据包括文本、图片、音频和视频

不同的数据构建的知识图谱网络不同，基于的规则也不同。

将知识图谱用于预测方面。Embedding是AI领域最核心的部分，如何让计算机能读懂数据。

知识图谱的Embedding更难，要考虑实体间的关系，Embedding是赋予一个实体有意义的特征。

现在流行的应该是针对知识图谱的实体用Embedding。

根据不同的任务创建不同的知识图谱。业务与算法相比，业务占较大比重。

2、图神经网络：能够学习图中的特征

表示学习：将一个节点映射为一个d维的向量，这个向量包含了这个节点的连接关系，或者时包含节点语义信息的嵌入向量。将一个复杂的数据变成d维向量（图嵌入/表示学习），将图表示成向量就是图神经网络要做的事情。

将机理知识用知识图谱表示出来，经过图神经网络生成向量，将生成的向量作为输入添加到神经网络里面。

 图神经网络能够应用于不同的任务：节点分类、连接预测、图分类、社群检测、异常检测

Node classfication 由已知节点类别推测出未知节点类别

Link prediction  由已知的连接推测出未知的连接

 后续会从节点层面和子图以及图层面分别描述

2.1节点层面

Edge level 连接层面（推荐系统）由已知推测未知连接

 2.2子图层面

交通预测：将一段道路看成节点，道路之间的通行性看成边。

2.3图层面

2.3.1图的基本表示

图由节点和连接组成

本体图Ontology

有向图与无向图

二分图：由两类节点组成

节点连接数：一个节点存在多少个链接，可以用node degree表示一个节点的重要度

2.3.2邻接矩阵（adjacency matrix）

无向图是对称阵，有向图是非对称阵，其中无向图链接总数是元素求和除以2 ，而有向图链接总数是元素相加。

2.3.3连接列表与邻接列表对比

连接列表：记录只存在连接的节点对

邻接列表：与某一节点相关的节点都记录下来，多少节点邻接表占多少行

2.3.4有权和无权无向图

无权图：非0即1，有权图：带权重