图神经网络理论述评与应用初探

2021-07-19 11:11:48魏哲巍
信息通信技术 2021年3期
关键词:分类文本模型

陈 明 魏哲巍

中国人民大学 北京 100872

引言

近年来,人工智能技术取得了巨大的成功,影响到了人们生活的方方面面,其中,深度学习(Deep Learning)作为人工智能技术中最关键的一部分,发展尤为迅速。深度学习推进了模式识别和数据挖掘领域的研究,将现实世界中的每一个概念都定义为更加抽象的概念,即通过深度神经网络来提取样本特征。目标检测、机器翻译、语音识别等许多机器学习任务曾高度依赖手工特征工程来提取信息特征,但多种端到端深度学习方式(卷积神经网络、长短期记忆网络和自编码器)改变了这种状况。深度学习在多个领域的成功主要归功于计算资源的快速发展(如GPU)、大量训练数据的收集,还有深度学习从欧几里得数据(如图像、文本和视频)中提取潜在表征的有效性。尽管深度学习已经在欧几里得数据中取得了很大的成功,但许多领域存在非欧几里德空间的底层结构数据,包括计算社会科学中的社会网络、通信中的传感器网络以及脑成像中的功能网络等等,这样的数据庞大且复杂,它们需要有效分析。例如,在电子商务领域,一个基于图的学习系统能够利用用户和产品之间的交互以实现高度精准的推荐;在化学领域,分子被建模为图,新药研发需要测定其生物活性;在论文引用网络中,论文之间通过引用关系互相连接,需要将它们分成不同的类别,图神经网络(Graph Neural Networks,GNNs)应运而生。从视觉推理到开放性阅读理解问题,从药物分子的研发到医疗诊断,从交通流量预测到3D点云数据的学习,几年时间,图神经网络技术的相关应用研究已经拓展到了极其宽广的局面上,展示出了极其重要且极具渗透性的应用能力,并带来极高的产业价值。……

登录APP查看全文

猜你喜欢
分类文本模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
在808DA上文本显示的改善
基于doc2vec和TF-IDF的相似文本识别
电子制作(2018年18期)2018-11-14 01:48:06
教你一招:数的分类
3D打印中的模型分割与打包
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
如何快速走进文本
语文知识(2014年1期)2014-02-28 21:59:13