几乎涵盖了图神经网络所有操作

前几年神经网络很火，相信大家对神经网络都有一定的了解。而图神经网络是直接在图上进行计算，整个计算的过程，沿着图的结构进行，这样处理的好处是能够很好的保留图的结构信息。而能够对结构信息进行学习，正是图神经网络的能力所在。

下面我们就来看看图神经网络为什么强大？

图神经网络的应用场景自然非常多样。笔者在这里选择一部分应用场景为大家做简要的介绍，更多的还是期待我们共同发现和探索。

1. 计算机视觉

在计算机视觉的应用有根据提供的语义生成图像，如下图所示（引用）。输入是一张语义图，GNN通过对“man behind boy on patio”和“man right of man throwing firsbee”两个语义的理解，生成了输出的图像。

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

2. 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。

据笔者所知，目前国外包括耶鲁、哈佛，国内像北大清华都有很多实验室研究图神经网络在医学方面的应用，而且我相信这会是图神经网络最有价值的应用方向之一

3. 工业应用之推荐

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。

尽管已经引起了极大的关注，但将其应用于其他领域时仍面临许多挑战，包括从方法论的合理性到实际商业业务表现。    

咕泡科技很荣幸的邀请到了在人工智能、计算机视觉领域有着丰富的一线实战经验的唐宇迪博士，利用2天的时间，为大家系统地梳理图神经网络架构框架技术。

       审核编辑 ：李倩