![从深度学习到图神经网络:模型与实践](https://wfqqreader-1252317822.image.myqcloud.com/cover/229/47382229/b_47382229.jpg)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
1.4.3 图预测
在图层面(Graph-level),图神经网络的目标是预测整个图的属性[12]。例如,根据社区连接图的规律来做社区发现(Community Detection)。对于一个用图表示的分子,我们可能想要预测这个分子是否对人体有害。再例如,根据脑部神经网络的整体连接图特征来判断病人是否患病,如阿尔茨海默病(Alzheimer's Disease, AD)[19](见图1-12)。图层面的预测,有点似于MNIST和CIFAR中的图像分类问题,我们希望将标签(Label)与整个图像关联起来。
![](https://epubservercos.yuewen.com/686F37/26766261809165006/epubprivate/OEBPS/Images/45682_32_1.jpg?sign=1738811736-3DhtBdi8tWQc5JnU7UqY42GZUx9vHsCL-0-b5e690bccd79e31b3f7543b71d284d6c)
图1-12 图层面的预测