Traffic patterns forecasting on road networks(https://arxiv.org/abs/1802.07007)
Inferring missing information in a Knowledge Graph(https://arxiv.org/abs/1706.05674)
Predicting protein interactions for drug discovery(https://papers.nips.cc/paper/2017/file/f507783927f2ec2737ba40afbd17efb5-Paper.pdf)
Recommender systems based on social networks data(https://arxiv.org/abs/1902.07243)
不幸的是,图形数据是非结构化和非欧几里德的,所以建立机器学习模型来解决这些任务并不是很明显。一方面,节点之间的连接承载着重要的信息,另一方面,要想找到一种处理这种信息的方法也并非易事。在这篇文章中,我们将看到如何使用图卷积网络(GCN)来解决这个问题,它将经典卷积神经网络(CNN)推广到图结构数据的情况。这篇文章的主要来源是Kipf et al.2016、Defferrard et al.2016(https://arxiv.org/abs/1609.02907)和Hammond et al.2009(https://arxiv.org/abs/0912.3848)的工作。