点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
[ 导读 ] 图是强大的数据结构，可以被用于建模许多真实世界的场景。图可以建模样本之间的关系信息，然而，许多之前的机器学习模型忽略了关系信息或没有很好地方法来建模关系信息。《图机器学习导论》介绍了目前较新的基于图的机器学习方法。
图是强大的数据结构，可以被用于建模许多真实世界的场景。目前，图在生命科学、金融、社交网络、用户行为时序建模、区块链等领域的机器学习应用中都得到了广泛的引用，并取得了非常好的效果。图数据往往会包含大量有价值的关系数据。然而，许多之前的机器学习模型往往只关注每个样本的特征，而没有考虑到样本之间的关系数据或没有很好的方法来利用和建模这些关系数据。图机器学习为我们提供了利用这些关系数据的方法，它使得我们可以同时考虑图中每个节点的自身特征、邻节点以及邻节点的特征，以获取更好的性能。- 将图建模为网络，用目前较新的基于网络的机器学习方法实现
DeepWalk、Node2Vec等基于Random Walk的网络节点表示学习方法，属于上述的第一种方法，它们利用Random Walk将网络结构转换为序列，用成熟的skip-gram方法进行求解。目前较为流行的图神经网络属于第二种方法，直接在网络结构上进行机器学习：
《Introduction to graphs and machine learning》（《图机器学习导论》）为我们介绍了图机器学习的动机与发展，包括网络表示学习、图神经网络等图机器学习方法及其在问答、知识图谱等领域的应用。
参考链接：
https://conferences.oreilly.com/strata/strata-ny
2019/public/schedule/detail/76557
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
