近年来，可以说图形神经网络是最前沿的新兴技术。我相信每个人或多或少都对图形神经网络有更多的了解。今天，本文将主要讨论图神经网络的强大功能，并为您分析其用途和应用。一般而言，图形神经网络的用途可以概括为三点，即端到端学习，推理方法和端到端学习，智能计算的语义可视化功能。图神经网络的应用主要集中在五个方面，包括计算机视觉，自然语言处理，生物医学，工业建议和工业风险控制。

图神经网络的用途是什么？

1。端到端学习

近年来，深度学习带来了面部识别，语音助手和机器翻译的成功应用。这三种类型的方案背后是三种类型的数据：图像，语音和文本。在这三种类型的情况下，深度学习突破的关键是其背后的端到端学习机制。端到端代表高效率，可以有效地减少中间链接中信息的不对称性。一旦在终端中发现问题后，可以逐步调整整个系统的每个链接。

由于端到端的学习在学习图像，语音和文本数据方面是如此有效，因此将这种学习机制扩展到以更广泛的业务场景为单位的数据是很自然的。如果AI想要实现类似人类的能力，则合并的概括必须是最重要的优先级，而结构化表示和计算是实现这一目标的关键。就像先天性和获得的因素在生物学上共同起作用，再加上两者的优势，它们也从互补的优势中受益。

2。智能计算推理方法

该行业认为，大规模的图形神经网络是认知智能计算的有力推理方法。图形神经网络从处理传统的非结构化数据到更高级别的结构化数据，从而概括了深层神经网络。大规模的图形数据可以表达人类的常识，专家规则富有并包含逻辑关系。图节点定义了可理解的符号知识。不规则的图形拓扑表达了图节点之间的依赖性，下属，逻辑规则和其他推理。关系。

以保险和财务风险评估为例，完整的AI系统不仅需要根据个人简历，行为习惯，健康等进行分析和处理，而且还需要通过交换数据和相互评估进一步进行在亲戚，朋友，同事和同学之间。信用评估和推理。基于图形结构的学习系统可以使用用户之间以及用户与产品之间的交互作用，从而使非常准确的因果关系和相关推理。

3。语义可视化能力

图具有强大的语义可视化功能，并且所有GNN模型都共享了此优势。例如，在GNN将帐户作为异常帐户评判后，它可以可视化帐户的部分子图。我们可以找到一些异常模式，例如在同一设备上登录多个帐户或在多个设备上具有行为。该模型的判断也可以从特征的维度来解释，例如该帐户与其他相关的帐户行为模式非常相似。

图神经网络的应用是什么？

1。自然语言处理

GNN还用于自然语言处理中，包括多跳阅读，实体识别，关系提取和文本分类。多跳阅读是指为机器提供大量语料库，从而使机器可以通过多链推理执行开放阅读理解，然后回答一个相对复杂的问题。在2019年，使用GNN作为与自然语言处理有关的前季论文的推断模块已成为标准。

2。计算机视觉

在计算机视觉应用中，有基于提供的语义生成的图像。输入是语义图。 GNN通过理解两个语义“男人男孩”和“人类的人”来生成输出图像。让我们谈谈视觉推理。人类经常通过推理处理视觉信息。人类可以从空间或语义维度来推理，并且图可以很好地表征空间和语义信息，从而使计算机可以学习将此信息用于像人类一样的推理。当然，还有一些应用程序，例如行动识别，视觉问题和答案，我们不会在此处列出它们。

3。生物医学

我们已经接触到高中的生物化学，并知道化合物由原子和化学债券组成。它们自然是图形数据的一种形式，因此图神经网络在生物医学领域中特别广泛使用。包括发现新药，化合物筛查，蛋白质相互作用点检测和疾病预测。目前，许多国外的实验室，包括耶鲁大学和哈佛大学，以及在中国，例如北京大学和大学，都研究了图形神经网络在医学中的应用，我相信这将是图形神经最有价值的应用方向之一网络。

除上述方向外，在自主驾驶和VR领域中还将使用3D点云。结合过去两年中也很受欢迎的知识图；智能城市的交通流量预测；芯片设计中的电路特性预测；您甚至可以使用图形神经网络编写代码。当前有两种主要方案在工业场景中确实应用了，并且取得了显着的结果，一个是建议，另一种是风险控制。

4。工业建议

建议是机器学习在互联网中的重要应用。在互联网业务中，专门提及了推荐的方案，例如内容建议，电子商务建议，广告建议等。在这里，我们介绍了三种推荐方法，以授权图形神经网络。

（1）解释性建议

可解释的建议不仅意味着预测推荐的产品，而且还意味着提出建议的理由。建议中有一个概念称为。如下图所示，在电影的推荐场景中。我们使用U代表用户和M代表电影，然后UUM是一个。这意味着一个用户关注另一个用户，因此我们可以推荐用户看过的电影，以关注他的人。

（2）基于社交网络的建议

通过利用用户之间的关注关系，我们还可以提出建议。用户的购买行为首先会受到其在线社交圈的朋友的影响。如果用户A的朋友是体育迷，并且经常发布有关体育赛事，体育明星等的信息，则用户A可能还会了解相关的体育主题。目前，有许多电子商务平台，包括，，等，他们试图提出基于社交的建议。

（3）根据知识图推荐

您想要推荐的产品，内容或产品可以根据其现有属性或业务经验获得许多相关信息，而这些相关信息通常称为知识图。知识图可以非常自然地集成到现有的用户产品网络中，以形成更大，更丰富的图像。实际上，无论是社交网络建议还是知识图，它们都会在图网络中补充其他信息。它不仅可以在关系网络中汇总复杂的结构信息，还可以涵盖丰富的属性信息。这是图神经网络的力量。

5。工业风管

我们公司有一些时间使用图表进行风险控制。每天我们的业务场景中都有许多网络请求。一个请求过来了，需要实时确定它是真实的用户还是机器流量。一个简单的模型，使用包括设备ID，IP，用户及其行为数据在内的数据。图形神经网络在四个维度上进行了详细的详细说明：原理，算法，实现和应用。我希望对每个人都学习和利用图形神经网络技术会有所帮助。

话虽如此，您是否已经对图形神经网络的用途和应用有了一般的了解？实际上，图神经网络仍然有许多用途和应用。由于空间的限制，让我们先谈谈这个。简而言之，图形神经网络的发展前景是有希望的，让我们拭目以待！

共享一些我免费编写的人工智能学习材料，包括一些常见AI框架，图像识别，NLQ，机器学习，计算机视觉，深度学习和神经网络的实用视频，课程源代码，众所周知的家庭和外国资源，流行的AI论文，行业报告等。

为了更好地学习AI，我建议您收集一个。

以下是一些屏幕截图。单击文章末尾的名片以遵循我的官方帐户[AI ]并发送密码321接收（必须发送密码321）

1。人工智能课程和项目

2。著名的国内外精英资源

3。人工智能纸收藏

4。人工智能行业报告

要详尽地学习人工智能，您必须阅读更多书籍，做更多的动手并练习更多。如果您想提高自己的水平，则必须学会平静下来，缓慢而系统地学习，以最终获得一些东西。

单击下面的名片，扫描代码以遵循官方帐户[AI ]，然后发送代码321以免费接收文章中的信息。