图神经网络的应用

Posted 2021-04-26 中科蓝海

自然语言处理

GNNs在自然语言处理中的应用也很多，包括多跳阅读、实体识别、关系抽取以及文本分类等。多跳阅读是指给机器有很多语料，让机器进行多链条推理的开放式阅读理解，然后回答一个比较复杂的问题。在2019年，自然语言处理相关的顶会论文使用GNN作为推理模块已经是标配了。

智能视觉

在智能视觉的应用有根据提供的语义生成图像。输入是一张语义图，GNN通过对“manbehindboyonpa ti o”和“manrightofmanthrowingfi rs bee”两个语义的理解，生成了输出的图像。再说说视觉推理，人类对视觉信息的处理过程往往参杂着推理。人类可以从空间或者语义的维度进行推理，而图可以很好的刻画空间和语义信息，让计算机可以学着像人类一样，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，这里我们就不一一列举了。

生物医疗

　　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构成的，它们天然就是一种图数据的形式，所以图神经网络在生物医疗领域应用特别广泛。包括新药物的发现、化合物筛选、蛋白质相互作用点检测、以及疾病预测。　

工业推荐

推荐是机器学习 在互联网中的重要应用。互联网业务中，推荐的场景特别说，比如内容推荐、电商推荐、广告推荐等等。这里，我们介绍三种图神经网络赋能推荐的方法。

　　（1）可解释性推荐

可解释性推荐，就是不仅要预测推荐的商品，还要给出推荐的理由。推荐中有一个概念叫元路径。在电影推荐的场景里，如下图所示。我们用U表示用户，用M表示电影，那么UUM是一条元路径。它表示一位用户关注了另一位用户，那么我们可以将用户看过的电影，推荐给关注他的人。

（ 2 ）基于 社交网络的推荐

　　利用用户之间的关注关系，我们也可以实现推荐。用户的购买行为首先会受到其在线社交圈中朋友的影响。如果用户A的朋友是体育迷，经常发布关于体育赛事、体育明星等信息，用户A很可能也会去了解相关体育主题的资讯。

（3）基于知识图谱的推荐

要推荐的商品、内容或者产品，依据既有的属性或者业务经验，可以得到他们之间很多的关联信息，这些关联信息即是我们通常说的知识图谱。知识图谱可以非常自然地融合进已有的用户-商品网络构成一张更大、且包含更加丰富信息的图。其实不管是社交网络推荐，还是知识图谱，都是拿额外的信息补充到图网络中。既能有聚合关系网络中复杂的结构信息，又能囊括丰富的属性信息，这就是图神经网络强大的地方。

工业风控

利用图来做风控。业务场景中每天都会有很多网络请求，一个请求过来，需要实时的判断这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、用户以及他们的行为数据。

中科蓝海智能视觉科技有限公司 

中科蓝海是以智能视觉技术为核心的产业升级平台，依托“两院一孵”的服务体系（即智能视觉培训学院、智能视觉产业研究院、“视觉+”孵化服务平台），遵循“效益优先、成本合理”的服务理念，为区域产业提供智能视觉专业人才培养服务、区域产业技术升级服务、高端设备研发服务，也为具有工业自动化需求的不同行业客户近距离提供有关智能产品开发、智能制造、质量控制、工业互联网、大数据采集的智能视觉快速解决方案。

中科蓝海拥有全球领先的智能视觉原型样机快速开发体系。公司成立至今，已经为超过50个行业(医疗、金融、轨道交通、飞机制造、核电、半导体封装等)的1000多家客户提供超过10000份原型样机方案，其中包括中国商飞、中车、中核、中国兵装、华为、欧菲光、丰田、本田、特斯拉、北自所等行业龙头企业。