列表和邻接列表数量巨大采用2.1.6图的连通性1、图机器学习导论

传统神经网络

以往随着机器学习、深度学习的发展语音、图像、自然语言处理逐渐取得了很大的突破然而语音、图像、文本都是很简单的序列或者网格数据是很结构化的数据深度学习很善于处理该种类型的数据。

图神经网络

现实世界并不是所有的事物都可以表示成一个序列或者一个网格例如社交网络、知识图谱、复杂的文件系统等也就是说很多事物都是非结构化的。

2.1

如何设计图的本体设计取决于将来想解决什么问题。

从中心点出发将所需要的要素根据中心点延伸。

来判断节点种类和个数

2.1.2

一个异质图G由一组节点V和一组边E构成。

其中每个节点和每条边都对应着一种类型.T就是表示节点类型集合R表示边类型集合。

二分图G{V,E}

节点集V可以分为两种不相交的子集V1,V2。

而E中的每条边都连接着V1中的一个节点和V2中的一个节点。

二分图广泛用于捕获不同对象之间的互动。

二分图展开

如果一个图任意两节点间总有一条路可以触达称为连通图否则称为非连通图由多个连通域组成