CS224W课程笔记第一章：绪论

 （一）课程大纲如下：

1. Traditional methods: Graphlets, Graph Kernels
2. Methods for node embeddings: DeepWalk, Node2Vec
3. Graph Neural Networks: GCN, GraphSAGE, GAT, Theory of GNNs
4. Knowledge graphs and reasoning: TransE, BetaE
5. Deep generative models for graphs
6. Applications to Biomedicine, Science, Industry 

---

（二）基本概念：

        表征学习representation learning：研究一种方法，来自动学习到数据的特征，直接应用于下游预测任务。 

        图的表征学习：将图的节点（或边、全图）表示为d维向量。（嵌入embedding）。图中接近的节点，在d维空间上也接近。

---

（三）图机器学习的任务：

• Node classification: Predict a property of a node（节点级别）
• Link prediction: Predict whether there are missing links between two nodes（边级别）
• Graph classification: Categorize different graphs（图级别）
• Clustering: Detect if nodes form a community（子图级别）
• Other tasks:Graph generation,Graph evolution（图级别）

---

（四） 二部图

二部图的每一部都可以投影出一个图