图神经网络(Graph Neural Networks)是一种针对图结构数据(如社交图、网络安全网络或分子表示)设计的机器学习算法。它在过去几年里发展迅速，被用于许多不同的应用程序。在这篇文章中我们将回顾GNN的基础知识，然后使用Pytorch Geometric解决一些常见的主要问题，并讨论一些算法和代码的细节。
常见的图神经网络应用
GNN可以用来解决各种与图相关的机器学习问题:
- 节点的分类：预测节点的类别或标签。例如，在网络安全中检测网络中的欺诈实体可能是一个节点分类问题。
- 链接预测：预测节点之间是否存在潜在的链接(边)。例如，社交网络服务根据网络数据建议可能的朋友联系。
- 图分类：将图形本身划分为不同的类别。比如通过观察一个化合物的图结构来确定它是有毒的还是无毒的。
- 社区检测：将节点划分为集群。比如在社交图中寻找不同的社区。
- 异常检测：以无监督的方式在图中查找离群节点。如果没有标签，可以使用这种方法。
在这篇文章中，我们将回顾节点分类、链接预测和异常检测的相关知识和用Pytorch Geometric代码实现这三个算法。
完整文章：
https://avoid.overfit.cn/post/31790c77e3984dce8667516f726cd4ed
标签：预测,检测,分类,链接,神经网络,链路,节点,PyG From： https://www.cnblogs.com/deephub/p/16771200.html