图神经网络总结，图神经网络的应用有哪些

很多朋友对图神经网络总结，图神经网络的应用有哪些不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

1、自然语言处理GNNs在自然语言处理方面有很多应用，包括多跳阅读、实体识别、关系抽取、文本分类等。多跳阅读是指给机器大量语料，让机器做多链推理，然后回答一个更复杂的问题的开放式阅读理解。2019年，自然语言处理相关的summit论文标准使用GNN作为推理模块。2、计算机视觉

在计算机视觉的应用中，图像是根据提供的语义生成的。输入是语义图，GNN通过理解“manbehindboyonpatio”和“manrightofmanthrowingfirsbee”两种语义生成输出图像。先说视觉推理。人类处理视觉信息的过程，往往夹杂着推理。人类可以从空间或语义维度进行推理，图形可以很好地刻画空间和语义信息，让计算机可以像人类一样学习利用这些信息进行推理。

当然还有动作识别、视觉问答等应用，这里就不一一列举了。

生物医药

我们在高中都接触过生物化学，知道化合物是由原子和化学键组成的，自然是以图形数据的形式存在，所以图形神经网络在生物医学领域的应用特别广泛。包括新药的发现、化合物的筛选、蛋白质相互作用点的检测和疾病预测。

目前国外有很多实验室，包括耶鲁、哈佛，国内像北大、清华都在研究图形神经网络在医学上的应用，相信这将是图形神经网络最有价值的应用方向之一。

除了以上方向，还有3D点云会用到自动驾驶、VR等领域；结合近两年也很流行的知识图谱；智能城市中的交通流量预测；芯片设计中电路特性的预测：你甚至可以用图形神经网络来写代码。目前真正应用于工业场景并取得显著成效的场景主要有两种。一个是推荐，一个是风险控制。4、工业建议

推荐是机器学习在互联网中的一个重要应用。在互联网业务中，特别提到了推荐的场景，比如内容推荐、电商推荐、广告推荐等等。这里介绍三种图神经网络赋能推荐的方法。(1)解释性建议

解释性推荐不仅是预测推荐的商品，还要给出推荐的理由。推荐中有个概念叫元路径。在电影推荐的场景里，如下图所示。我们用U代表用户，M代表电影，所以UUM是一个元路径。意味着一个用户关注了另一个用户，那么我们就可以把这个用户看过的电影推荐给关注他的人。(2)基于社交网络的推荐

我们还可以利用用户之间的关注关系来实现推荐。用户的购买行为首先会受到网络社交圈中朋友的影响。如果用户A的朋友是体育爱好者，经常发布体育赛事、体育明星等信息，用户A很可能会了解到相关的体育话题。目前，包括JD.COM、蘑菇街和小红书在内的许多电子商务平台都在尝试基于社交的推荐。(3)基于知识地图的推荐

根据已有的属性或业务经验，可以得到大量关于要推荐的商品、内容或产品的相关信息，也就是我们通常所说的知识图谱。知识图谱可以自然地融入到现有的用户-商品网络中，形成更大的、包含更多信息的图谱。事实上，无论是社交网络推荐还是知识图谱，都是在图谱网络中加入了额外的信息。

它不仅可以包含聚集关系网络中复杂的结构信息，还可以包含丰富的属性信息，这是图神经网络的强大之处。

5、工业风控我们公司使用地图进行风控已经有一段时间了。在我们的业务场景中，每天都有许多网络请求。当请求来临时，我们需要实时判断是真实用户还是机器流量。一个简单的模型，使用的数据包括设备ID、IP、用户及其行为数据。从原理、算法、实现、应用四个维度对图形神经网络进行了详细全面的讲解。希望对大家学习和使用图形神经网络技术有所帮助。

以上知识分享希望能够帮助到大家！