AutoGL：浅谈未来非常有前景的自动图机器学习相关概念

最近一年图神经网络网络的概念很火，也有很多相关的工作诞生。今天重点介绍下AutoGL，也就是Auto Graph Learn方面的基础概念。首先还是说下图计算和之前传统的非图类结构化数据计算的区别。

Graph建模的特点

以推荐系统为例，传统的结构化数据，其实比较好的描述的场景是user对item的单点关系，比如user A买了一个item B，那么可以把A和B的特征通过表的形式展示出来：

A_f1	A_f2	B_f1	B_f2	label
--	--	--	--	1

但是实际的上user购买序列往往是一个图关系，user A可能先后买了B、C、D，之后又买了B。通过传统的结构化数据其实很难描绘好这种序列性关系，这时候图的价值就体现了。

既然有图计算，就一定有图机器学习，那么就会有图自动机器学习。接下来就介绍下图自动机器学习的一些概念。

图自动机器学习概念

清华大学有开源相关的工作：https://github.com/THUMNLab/AutoGL

首先可以看下图机器学习包含哪些环节：

大体上就是先构建特征，然后建模，接着调参，最后做模型融合，看上去跟传统的机器学习建模的流程没什么两样。

1.数据&feature

图的数据比较特别，有边和点的概念。一般点表示的是一个实物，比如说人或者物，边表示的是人和物的关系。比如我一天吃3个馒头，我和馒头是两个点，吃这个行为是关系，这个关系的属性是3。

图数据该如何描述呢？业内已经有两个很成熟的库了，

DGL：https://github.com/dmlc/dgl

PyG：https://github.com/rusty1s/pytorch_geometric

通过他们可以快速的导入数据，另外图数据领域有一个类似于CV领域的Benchmark数据集，叫做OGB：http://ogb.stanford.edu

2.Model环节

建模环节包含两个方向的模型训练，是监督学习。分别是Node Classification和Graph Classification。点分类比较好理解，比如在基因领域，把所有对基因颜色有影响的因素做成Node，因素间的边是因素相关性，对结果颜色有黄色影响的Node可以为一类，绿色的为另一类。

Graph Classification往往应用到风控场景。人以类聚，物以群分。好人一般都跟好人有社交关联属性，坏人往往跟坏人关联性高。如果把两个社交群体，一个判断为坏人群体，一个是好人群体，就可以针对坏人做一些风控，一网打尽。这个是Graph Classification的典型应用。

3.HPO环节

HPO就是自动调参，其实在图里面没什么特别的，就是贝叶斯、进化式调参、网格搜索这一些，google有非常多论文发表，不多讲了。

4.Ensemble

Ensemble指的是当我们有多个模型的时候，怎么样综合这些模型的结果并输出一个最终结果。常见的Ensemble有Voting、Bagging、Average、Stacking等。

• Voting指的是投票机制，假设一共三个模型。两个说结果是1，一个说结果是0，少数服从多数，结果是1。

• Stacking是一种将弱学习器集成进行输出的策略，其中，在stacking中，所有的弱学习器被称作0级（0 level）学习器，他们的输出结果被一个1级（1 level）学习器接受，然后再输出最后的结果。

总结一下

图数据因为在推荐、风控等领域的天然数据构造优势，肯定会越来越多的有各种好用的工具落地，特别是PyTorch还支持了图数据结构的输入。我自己也认识做这方面创业相关工作的人。没事多了解下是有帮助的，就这样~