Google hôm nay phát hành Mạng thần kinh đồ thị TensorFlow (TF-GNN) ở dạng alpha, một thư viện được thiết kế để giúp làm việc với dữ liệu có cấu trúc biểu đồ dễ dàng hơn bằng cách sử dụng TensorFlow, khung máy học của nó. Được sử dụng trong sản xuất tại Google để phát hiện thư rác và hoạt động bất thường, ước tính lưu lượng truy cập và YouTube ghi nhãn nội dung, Google cho biết TF-GNN được thiết kế để “khuyến khích sự hợp tác với các nhà nghiên cứu trong ngành”.
Đồ thị là một tập hợp các đối tượng, địa điểm hoặc con người và các kết nối giữa chúng. Biểu đồ biểu thị các mối quan hệ (cạnh) giữa một tập hợp các thực thể (nút hoặc đỉnh), tất cả đều có thể lưu trữ dữ liệu. Tính định hướng có thể được gán cho các cạnh để mô tả thông tin, luồng giao thông, v.v.
Thông thường, dữ liệu trong các bài toán học máy có cấu trúc hoặc quan hệ và do đó có thể được mô tả bằng biểu đồ. Nghiên cứu cơ bản về GNN đã có từ nhiều thập kỷ trước, nhưng những tiến bộ gần đây đã dẫn đến những thành tựu to lớn trong nhiều lĩnh vực, như người mẫu sự chuyển thủy tinh từ thể lỏng sang thể rắn và dự đoán hành vi của người đi bộ, người đi xe đạp và người lái xe trên đường.
Ảnh trên: Đồ thị có thể mô hình hóa mối quan hệ giữa nhiều loại dữ liệu khác nhau, bao gồm các trang web (trái), kết nối xã hội (giữa) hoặc phân tử (phải).Tín dụng hình ảnh: Google
Thật vậy, GNN có thể được sử dụng để trả lời các câu hỏi về nhiều đặc điểm của đồ thị. Bằng cách làm việc ở cấp độ biểu đồ, họ có thể cố gắng dự đoán các khía cạnh của toàn bộ biểu đồ, ví dụ: xác định sự hiện diện của một số “hình dạng” nhất định như vòng tròn trong biểu đồ có thể biểu thị các mối quan hệ xã hội chặt chẽ. GNN cũng có thể được sử dụng trong các tác vụ cấp nút để phân loại các nút của biểu đồ hoặc ở cấp biên để khám phá các kết nối giữa các thực thể.
Mạng thần kinh đồ thị TensorFlow: TF-GNN
TF-GNN cung cấp các khối xây dựng để triển khai các mô hình GNN trong TensorFlow. Ngoài các API lập mô hình, thư viện còn cung cấp công cụ xung quanh nhiệm vụ làm việc với dữ liệu biểu đồ, bao gồm quy trình xử lý dữ liệu và các mô hình mẫu.
Cũng đi kèm với TF-GNN là một API để tạo các mô hình GNN có thể được kết hợp với các loại mô hình AI khác. Ngoài ra, TF-GNN còn cung cấp một lược đồ để khai báo cấu trúc liên kết của biểu đồ (và các công cụ để xác thực nó), giúp mô tả hình dạng của dữ liệu huấn luyện.
“Biểu đồ ở xung quanh chúng ta, trong thế giới thực và trong các hệ thống được thiết kế của chúng ta… Đặc biệt, với vô số loại dữ liệu tại Google, thư viện của chúng tôi được thiết kế với các biểu đồ không đồng nhất,” Sibon Li, Jan Pfeifer, Bryan Perozzi của Google, và Douglas Yarrington đã viết trong bài blog giới thiệu TF-GNN.
TF-GNN bổ sung vào bộ sưu tập thư viện TensorFlow ngày càng tăng của Google, trải rộng trên Quyền riêng tư của TensorFlow, Liên kết TensorFlowVà TensorFlow.Text. Gần đây hơn, công ty đã mở nguồn Sự tương đồng của TensorFlowđào tạo các mô hình tìm kiếm các mục liên quan — ví dụ: tìm quần áo trông giống nhau và xác định các bài hát hiện đang phát.
Bài viết này ban đầu xuất hiện trên Liên doanhBeat và được sao chép với sự cho phép.
