开源图神经网络框架DGL升级

入模型上都获得了性能提升。

目前，这个在2018年NeurIPS大会上发布的框架，已经获得了3000+标星，已经是图神经网络和图机器学习领域较受关注的工具。

异构图：神经网络的新方向

异构图是一个与同构图相对应的新概念。

传统同构图（Homogeneous Graph）数据中只存在一种节点和边，因此在构建图神经网络时所有节点共享同样的模型参数并且拥有同样维度的特征空间。

而异构图（Heterogeneous Graph）中可以存在不只一种节点和边，因此允许不同类型的节点拥有不同维度的特征或属性。

这一特点使得异构图的应用十分广泛，如果用图来描述我们和周围事物的关系就会发现所产生的图都是天然异构的，比如这个例子：

我今天看了电影《流浪地球》，那“我”作为观众和电影《流浪地球》之间就建立了“看了”这一关系。

异构图可以用来描述这种交互关系的集合。这个图分“观众”和“电影”两类节点，以及“看了”这一类边。

“我”作为观众，和电影所具有的属性一定是不同的，需要用不同的模型或者不同的特征维度来表达。

所以说，这张图就天然具有了异构性。而且，基于异构图训练的神经网络与传统方法相比，在一些场景中，也能够获得更好的效果与表现。

现在已经被应用到了知识图谱、推荐系统以及恶意账户识别等领域以及任务中。

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!