基于图的学习侧重于图形结构数据的建模。其重要应用包括基于分子结构分析化学化合物、基于辐射传感器网络数据预测太阳能农场的产出、根据城市间的地理关系和社交网络互动预测流行病爆发等。基于图的学习算法已经迅速发展,解决了以下基本挑战:
• 编码图中每个单独节点和节点组合的丰富信息,也被称为图表示学习挑战;• 在图只部分可观察时恢复缺失的边,也被称为图完成挑战;• 在标记节点非常稀疏的图形设置中利用主动学习,也被称为标签稀疏挑战;• 提高在非常大的图上进行训练和推断的可行性,也被称为扩展挑战。
本论文旨在通过以下主要贡献从上述各个方面增强基于图的机器学习: