Graphs & Networks
Графы и сети
Клиенты и транзакции, пользователи и товары, документы и ссылки — всё это графы. Глава про то, как считать признаки на графах, находить сообщества и обучать графовые нейросети.
Graph Basicsактуально
Основы графовВершины, рёбра, веса и направления. Матрица смежности и список рёбер — два способа хранить одно и то же.
Centralityактуально
ЦентральностиМеры важности вершины: по числу связей, по посредничеству, по близости и по влиянию соседей.
PageRankактуально
PageRankСтационарное распределение случайного блуждания по графу с телепортацией. Классический алгоритм ранжирования, который до сих пор используется как признак.
Community Detectionактуально
Поиск сообществРазбиение графа на плотно связанные группы: клиенты одного круга, связанные аккаунты, тематические кластеры документов.
Clusteringактуально
Кластеризацияиз «Обучение без учителя»Разбиение объектов на группы похожих без заранее известных меток.
Eigenvectorактуально
Собственный векториз «Математический справочник»Направление, сохраняющееся при линейном преобразовании с точностью до масштаба.
Scale-free Networksактуально
Безмасштабные сетиСети, в которых распределение степеней вершин подчиняется степенному закону: немного «хабов» и очень много слабо связанных вершин.
Small Worldактуально
Феномен малого мираКороткие пути между любыми двумя вершинами при высокой локальной кластеризации.
Network Motifsактуально
Мотивы и триадыМаленькие повторяющиеся подграфы, встречающиеся чаще, чем в случайной сети. Хорошие признаки для классификации вершин.
Power Lawактуально
Степенное распределениеиз «Теория вероятностей и распределения»Плотность убывает как степень: редкие события встречаются намного чаще, чем предсказывает нормальный закон. Распределения Парето и Ципфа — его классические формы.
Graph Neural Networksновинка
Графовые нейросетиНейросети, работающие прямо на структуре графа: представление вершины обновляется по представлениям соседей.
Knowledge Graphsновинка
Графы знанийФакты в виде троек «субъект — предикат — объект». Структурированная память, которую всё чаще подключают к языковым моделям.
Graph Embeddingsактуально
Графовые эмбеддингиВекторные представления вершин, в которых близость отражает связанность в графе.
Message Passingактуально
Передача сообщенийЕдиная схема, к которой сводятся почти все архитектуры GNN: собрать сообщения от соседей, агрегировать, обновить состояние.
Link Predictionактуально
Предсказание связейЗадача «появится ли ребро между вершинами»: рекомендации друзей и товаров, достройка графов знаний.
RAGновинка
RAGиз «Генеративный ИИ»Подмешивание найденных документов в контекст модели вместо хранения знаний в весах.
Embeddingsактуально
Эмбеддингииз «Обработка естественного языка»Плотные векторные представления объектов, где геометрическая близость означает смысловое сходство.
5 тем показаны здесь из других глав — они подходят по смыслу и открываются в своей главе.