节点和连接构成的图
如何对图数据进行挖掘？
传统机器学习，数据是独立同分布的，解决表格、矩阵、序列等问题
图机器学习处理连接的数据，需要满足以下几个方面：
- 1、图是任意尺寸输入
- 2、图是动态变化的，有时也是多模态数据
图，可以实现端到端的表示学习
图嵌入，把节点映射为D维向量，并且能够反应原数据的语义信息
工具：PyG、NetworkX、dgl、
图可视化工具：AntV、Echarts、Graphxr
应用：
- 最短路径
- 节点重要性-度中心性
- 社群检测
- 连接预测
- 相似性
- 嵌入
节点分类-已知推未知
连接预测-二分图、推荐系统、已知连接推未知连接、药物联合副作用、导航
图层面：药物设计、物理模拟（粒子物理、流体物理）、蛋白质的空间预测
图生成、图演化-
