【学习】基于图卷积网络的图深度学习

基于图卷积网络的图深度学习

先简单回顾一下，深度学习到底干成功了哪些事情！

深度学习近些年在语音识别，图片识别，自然语音处理等领域可谓是屡建奇功。ImageNet：是一个计算机视觉系统识别项目， 是目前世界上图像识别最大的数据库，并且被业界熟知。

我们先回顾一下，没有大数据支撑的欧式深度学习技术。对于一个字母“Z”的识别，我们通常是建立一个2D网格（点阵），如果将其中的点连接起来，定义这样的连接方式所形成的就是“Z”。然后是用其他字母来测试，这个模型的正确性。

传统深度学习的方法，实际上就是一种手工设计特征的过程。而且，在准确率上没有保障。而真正的深度学习，端到端的学习，其中的过程到底发生了什么，设计者什么也不知道，自然也不会人为的去干涉。

如果数据不能网格化，那么CNNs就失去了作用。所以，CNNs在一定程度上还是有很多缺陷的。例如图结构数据，如何处理？在现实世界中这样的例子很多很多：社交网络（著名的六度理论），万维网，知识图，等等这些都是图结构，不是网格结构，对于这些我们该怎么解决。

下面是一个简单的解决图结构数据的方法。

这个方法到底会出现什么样的问题呢？为了解决问题，我们需要什么呢？

先简单介绍一下第一阶消息传递的GCNs，这个理论在2009年就已经被提出来了。

原文链接：

https://yq.aliyun.com/articles/91412?utm_content=m_22359