Машинное обучение на основе графиков

График

Граф - это язык, который легко описывает взаимосвязанные объекты, взаимодействия между одними и теми же атрибутами, отношения между несколькими узлами, анализирует фактическую причину взаимосвязи, это представление объекта реального мира, события реального мира объект, связанный со своим внешним миром.

Это структура данных, которая соответствует реальному объекту, график поможет отобразить полные свойства объекта в виртуальном мире, вы можете отобразить множество объектов и связать их с одинаковыми взаимосвязанными свойствами. Социальная сеть является основным примером для диаграммы, в этом типе диаграммы вы будете разделять одни и те же симпатии и антипатии с другими, ваши уникальные свойства, а также группа, к которой вы принадлежите, имеют некоторые общие черты с вами и просто так другие группы имеют те же функции, что и ваша группа, все такие типы деталей легко отображаются в структуре данных графа.

Почему именно Graph
В машинном обучении на основе графов вы можете моделировать любой реальный объект в виде графа, граф в основном улучшает наши представления реальных объектов в виртуальном мире по сравнению с классическое машинное обучение в графическом машинном обучении вы можете представить себе мир, состоящий из взаимосвязанных событий, свойств и причин, очень легко вывести скрытые знания с помощью графического машинного обучения, тогда как в классическом машинном обучении вам нужно понимать реальное мир с извлечением признаков и анализом отличительных признаков, однозначно идентифицирующих причины явления.

Но в обучении на основе графов моделирование мира довольно просто, вы можете явно смоделировать взаимосвязь объекта и повысить производительность, самый сложный бизнес имеет сверхбогатые реляционные данные, которые описывают бизнес-домен, с помощью Графическое моделирование бизнеса становится очень простым и дает отличные результаты.

Как это работает
Основная идея машинного обучения на основе графов основана на узлах и ребрах графа,

Узел: узел на графике описывает точку обзора конкретного атрибута объекта, точное свойство объекта, которое указывает на конкретный узел графика.

Ребро: ребро в графе представлено как расстояние между двумя узлами, с помощью ребра в графе мы можем вычислить расстояние между узлами, совпадающие атрибуты двух узлов различаются расстоянием до края графа. .

Если мы рассмотрим систему рекомендаций, элементы, которые мы хотели бы приобрести, - это узлы в системе рекомендаций, пользователи и элементы, представленные как узлы в системе рекомендаций на основе графов, если кто-то собирается купить умные часы iPhone, его активность обозначается как взаимодействие пользователя, которое является ребром в графике, и цель нашей системы - рекомендовать что-то особенное для кого-то, что легко в системе рекомендаций на основе графиков.

Естественно, так же, как вы представлены в виде узла на графике, ваши друзья, которые похожи на вас на основе симпатий и антипатий, может быть, дружба основана на том же спортивном сходстве, ваш друг также будет представлен в виде узла на графике, если вы купил рубашку Armani в прошлом месяце, это здорово, что система рекомендует вашему другу ту же рубашку.
LinkedIn, Pinterest, Alibaba и Amazon используют структуру на основе графиков, таким образом они становятся лучше результаты, они могут представлять поведение пользователей в графических структурах данных и взаимодействия пользователей в социальных приложениях.

Вы можете думать о своих изображениях, видео и интересном контенте, который вы создали во время сеанса с социальными сетями, которые представлены в виде взаимодействий на графике в виде ребер узлов, и таким образом, если другие узлы социальной сети, такие как ваш контент, могут быть рекомендованным системой для таких же продуктов.

Легко предсказать, что узлы в графе связаны друг с другом, может быть, узлы имеют одно и то же вложение с единственным событием, или, может быть, их действия с другими узлами одинаковы, но с машинным обучением на основе графа легко предсказать и рекомендовать товар.

В случае медикаментозного лечения вы можете сопоставить лекарства как узлы на графике, эффекты и побочные эффекты лекарств как взаимодействия или края графика, то, как наркотики изменяют поведение вашего внутреннего тела, становится Как видно из графика, возможно, разные препараты должны вызывать некоторые побочные эффекты, которые можно легко обработать в компьютеризированных графиках.

Базовый тип моделей машинного обучения на основе графов

1. Графики событий (связанные события объекта)
2. Компьютерная сеть
3. Структура болезни (каждая болезнь имеет общие взаимосвязи с человеческим телом)
4. Подземные сети
5. Атомный мир
6. Социальные сети
7. Интернет
8. Экономика