图神经网络原理代码设计思想项目实操，看这个就够了

Posted 2021-04-26 数据实战派

图数据（graph data）一直就是机器学习领域里最重要的数据结构。社交网络、电商行为、论文引用、生物信号、小分子药物结构都是图数据。与图像数据和文本数据相比，神经网络在图数据上的大规模应用最近几年才大规模出现，然而已经呈现出井喷的趋势。同时图网络也为计算机视觉和自然语言处理这两大领域提供了全新的思路并产生了巨大影响。

在学术界，图神经网络已经成为KDD、ICLR等会议中最重要的议题之一，在业界，阿里也改进了单品推荐的推荐系统，把大量不同形式的内容（文本、图片、视频等）和商品、用户一起，组成了一个巨大的异构图，并用图神经网络的方法大幅提升了推荐精度。 

如今，对于知识图谱、社交平台、推荐系统等领域的机器学习工程师来说，图神经网络已经成为了刚需中的刚需。

“想要对论文引用网络里的论文进行分类怎么办？”——“图节点分类一下”

“想要按标签区分社交平台中的用户怎么办？”——“图节点分类一下”

“想要通过用户已有的社交关系为他推荐新的好友怎么办？”——“图网络链接预测一下

不管是进行药物研发还是构建社交平台，都能看到图网络的身影。而对于想要入门这一领域的同学们来说，一门精良系统的教程自然必不可少。 

那么，到底图网络有怎样的魔力能让各项任务不断刷新 SOTA 效果？以及图网络是怎样运用在工业实践中的？ 

为解答上述问题，大厂高级算法工程师丁雨山&彬斌主笔撰写的《图神经网络入门》付费技术专栏，带你从最基础的图网络定义开始，一步一步掌握图网络相关经典算法、最新的图网络模型以及相关的实战演练。

扫描上方二维码，尽享超值优惠

  作者介绍 

丁雨山 

• 获北航计算机与巴黎中央理工工程师双学位，4年自然语言处理研究经验，在 NLP 顶会如 ACL、NAACL 上发表多篇论文，主要研究方向为命名实体识别、图网络、知识图谱等。 

• 曾参与百度知识图谱王牌产品阿拉丁项目的构建与应用。在知识图谱、机器阅读理解、命名实体识别、图网络等多个技术领域有丰富的实战与理论经验。 

彬斌 

• 北航计算机硕士，4年自然语言处理和深度学习研究和应用经验，在 NLP 顶会如 NAACL 等发表多篇论文，主要研究方向为自然语言生成、文本匹配模型、图网络等。 

• 在多个自然语言处理相关的数据竞赛中获取 top 名次，比如 “基于 Adversarial Attack 的问题等价性判别比赛”冠军，“文本智能信息抽取挑战赛”优胜奖。 

• 曾参与图网络在聊天机器人上的实际应用，在 NLP 方向多个领域都有丰富的理论和实际应用经验。

你将获得

• 从 0 到 1 系统入门图网络 

• 掌握图模型的一般框架，理解其底层设计思想 

• 目前主流的图网络模型一网打尽 

• 以图网络的主要应用场景为案例，增强实操经验 

学习成果

• 为图神经网络前沿论文的阅读和理解提供了知识基础和背景 

• 从实战和代码中解析算法原理，掌握图网络在推荐和论文引用等热门领域的项目实操 

• 系统的知识梳理，深入理解图网络的基础原理

• 为希望应聘使用图网络技术进行药物研发、推荐系统开发等相关领域岗位的同学系统总结了知识点，助力面试发挥 

或许你想先看看课程目录：

现在订阅尽享多项福利：

1.早鸟优惠 ¥79，原价 ¥99。 

2.订阅后生成海报分享给朋友，每成功邀请一位好友购买，可得 ¥15.8 佣金，多邀多得，上不封顶。

点击阅读原文或扫描下图二维码，立享早鸟优惠。