Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Графовые нейронные сети на Python

Покупка
Новинка
Артикул: 890567.01.99
Доступ онлайн
1 849 ₽
В корзину
Графовые нейронные сети стали одной из самых интересных архитектур в глубоком обучении. Технологические компании теперь пытаются применить их повсюду: в системах рекомендаций еды, видео и поиска романтических партнеров, для выявления фейковых новостей, проектирования микросхем и 3D-реконструкции. Прочитав книгу, вы научитесь создавать собственные графовые наборы из табличных или исходных данных, преобразовывать узлы и ребра в высококачественные эмбеддинги, реализовывать графовые нейронные сети с использованием PyTorch Geometric, выполнять классификацию узлов, генерацию графов, предсказание связей, выбирать лучшую модель в зависимости от вашей задачи. Издание предназначено специалистам по анализу и обработке данных, а также будет полезно разработчикам на Python и студентам вузов, желающих приобрести знания по одной из самых популярных архитектур ИИ.
40
133
269
Лабонн, М. Графовые нейронные сети на Python : учебное пособие / М. Лабонн, А. В. Груздев ; пер. с англ. А. В. Груздева. – Москва : ДМК Пресс, 2025. - 344 с. – ISBN 978-5-93700-319-5. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2274638 (дата обращения: 18.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Максим Лабонн, Артем Груздев
Графовые  
нейронные сети  
на Python


Maxime Labonne 
Hands-On  
Graph Neural Networks 
Using Python
BIRMINGHAM—MUMBAI


Максим Лабонн 
Артем Груздев
Графовые  
нейронные сети  
на Python
Москва, 2025


УДК 004.8:004.032.26
ББК 16.6
Л12
Лабонн М., Груздев А.
Л12 	 Графовые нейронные сети на Python / пер. с англ. А. В. Груздева. – М.: ДМК 
 
ISBN 978-5-93700-319-5
Графовые нейронные сети стали одной из самых интересных архитектур 
в глубоком обучении. Технологические компании теперь пытаются применить 
их повсюду: в системах рекомендаций еды, видео и поиска романтических 
партнеров, для выявления фейковых новостей, проектирования микросхем 
и 3D-реконструкции.
Прочитав книгу, вы научитесь создавать собственные графовые наборы из 
табличных или исходных данных, преобразовывать узлы и ребра в высококачественные эмбеддинги,  реализовывать графовые нейронные сети с использованием PyTorch Geometric, выполнять классификацию узлов, генерацию графов, 
предсказание связей, выбирать лучшую модель в зависимости от вашей задачи.
Издание предназначено специалистам по анализу и обработке данных, а также 
будет полезно разработчикам на Python и студентам вузов, желающих приобреcти 
знания по одной из самых популярных архитектур ИИ.
УДК  004.8:004.032.26
ББК  16.6
First published in the English language under the title ‘Hands-On Graph Neural Networks 
Using Python – (9781804617526)’.
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения 
владельцев авторских прав.
ISBN 978-1-80461-752-6 (англ.) 
©  2023 Packt Publishing
ISBN 978-5-93700-319-5	
©  Оформление, издание, перевод, 
ДМК Пресс, 2024


Содержание
От издательства.......................................................................................................10
Часть I.  ВВЕДЕНИЕ В ОБУЧЕНИЕ НА ГРАФАХ...............................................11
Глава 1. Начало работы с обучением на графах.........................................12
Почему именно графы?.............................................................................................12
Зачем использовать обучение на графах?..............................................................14
Зачем использовать графовые нейронные сети?..................................................17
Выводы.........................................................................................................................20
Дополнительное чтение............................................................................................20
Глава 2. Теория графов для графовых нейронных сетей.........................21
Технические требования...........................................................................................22
Знакомство со свойствами графа.............................................................................22
Ориентированные графы (directed graphs)........................................................22
Взвешенные графы (weighted graphs).................................................................24
Связные графы (connected graphs)......................................................................25
Типы графов............................................................................................................27
Знакомство с основными понятиями теории графов...........................................28
Фундаментальные объекты..................................................................................29
Меры центральности для графов.........................................................................30
Представление графа в виде матрицы смежности...........................................32
Изучение графовых алгоритмов..............................................................................34
Поиск в ширину (breadth-first search).................................................................35
Поиск в глубину (depth-first search).....................................................................37
Выводы.........................................................................................................................38
Часть II.  ОСНОВЫ....................................................................................................40
Глава 3. Создание представлений узлов с помощью DeepWalk.............41
Технические требования...........................................................................................42
Знакомство с Word2Vec..............................................................................................42
CBOW против skip-gram........................................................................................43
Создание скип-грамм............................................................................................44


6    Содержание
Модель skip-gram....................................................................................................46
DeepWalk и случайные блуждания...........................................................................50
Реализация DeepWalk.................................................................................................53
Выводы.........................................................................................................................58
Дополнительное чтение............................................................................................58
Глава 4. Улучшение эмбеддингов с помощью смещенных 
случайных блужданий в Node2Vec..................................................................59
Технические требования...........................................................................................60
Знакомство с Node2Vec..............................................................................................60
Определение окрестности....................................................................................60
Внесение смещений в случайные блуждания....................................................61
Реализация Node2Vec.................................................................................................66
Создание рекомендательной системы фильмов...................................................71
Выводы.........................................................................................................................76
Дополнительное чтение............................................................................................77
Глава 5. Включение информации о характеристиках узлов 
с помощью простых нейронных сетей...........................................................78
Технические требования...........................................................................................79
Знакомство с графовыми наборами данных..........................................................79
Набор данных Cora.................................................................................................79
Набор данных Facebook Page-Page......................................................................82
Классификация узлов с помощью простых нейронных сетей............................84
Классификация узлов с помощью простых графовых нейронных сетей..........89
Выводы.........................................................................................................................95
Дополнительное чтение............................................................................................95
Глава 6. Знакомство с графовыми сверточными нейронными  
сетями.........................................................................................................................96
Технические требования...........................................................................................97
Создание сверточного слоя графа............................................................................97
Сравнение сверточных и линейных слоев графа................................................101
Прогнозирование веб-трафика с помощью регрессии узлов............................107
Выводы.......................................................................................................................114
Дополнительное чтение..........................................................................................115
Глава 7. Графовые нейронные сети с механизмом внимания..............116
Технические требования.........................................................................................117
Знакомство со слоем внимания графа..................................................................117
Линейное преобразование..................................................................................118
Функция активации.............................................................................................118
Нормализация с помощью softmax...................................................................119
Многоголовое внимание.....................................................................................119


Содержание    7
Улучшенный слой внимания графа...................................................................120
Реализация слоя внимания графа в NumPy..........................................................121
Реализация GAT в PyTorch Geometric....................................................................125
Выводы.......................................................................................................................132
Часть III.  ПРОДВИНУТЫЕ МЕТОДЫ................................................................133
Глава 8. Масштабирование графовых нейронных сетей  
с помощью GraphSAGE........................................................................................134
Технические требования.........................................................................................135
Знакомство с GraphSAGE.........................................................................................135
Семплирование соседей......................................................................................135
Агрегация..............................................................................................................138
Классификация узлов на примере набора данных PubMed...............................139
Индуктивное обучение на белок-белковых взаимодействиях..........................146
Выводы.......................................................................................................................153
Дополнительное чтение..........................................................................................153
Глава 9. Определение выразительности для классификации  
графов.......................................................................................................................154
Технические требования.........................................................................................155
Определение выразительности..............................................................................155
Знакомство с графовой сетью изоморфизма.......................................................157
Классификация графов с помощью графовой сети изоморфизма...................159
Классификация графов........................................................................................159
Реализация графовой сети изоморфизма (GIN)..............................................160
Выводы.......................................................................................................................171
Дополнительное чтение..........................................................................................172
Глава 10. Прогнозирование связей с помощью графовых  
нейронных сетей...................................................................................................173
Технические требования.........................................................................................174
Прогнозирование связей с помощью традиционных методов.........................174
Эвристические методы........................................................................................174
Матричная факторизация...................................................................................176
Прогнозирование связей с помощью эмбеддингов узлов.................................178
Знакомство с графовыми автоэнкодерами......................................................178
Знакомство с вариационными графовыми автоэнкодерами........................179
Реализация VGAE..................................................................................................180
Прогнозирование связей с помощью SEAL..........................................................184
Знакомство с фреймворком SEAL......................................................................184
Реализация фреймворка SEAL............................................................................186
Выводы.......................................................................................................................192
Дополнительное чтение..........................................................................................192


8    Содержание
Глава 11. Генерация графов с помощью графовых нейронных  
сетей..........................................................................................................................194
Технические требования.........................................................................................195
Генерация графов с помощью традиционных методов.....................................195
Модель Эрдеша–Реньи........................................................................................195
Модель «малого мира».........................................................................................198
Генерация графов с помощью графовых нейронных сейтей............................199
Вариационные графовые автоэнкодеры..........................................................200
Авторегрессионные модели...............................................................................202
Генеративные состязательные сети (GAN).......................................................203
Генерация молекул с помощью MolGAN...............................................................205
Выводы.......................................................................................................................210
Дополнительное чтение..........................................................................................210
Глава 12. Обучение на гетерогенных графах.............................................212
Технические требования.........................................................................................213
Нейронная сеть передачи сообщений...................................................................213
Знакомство с гетерогенными графами.................................................................215
Преобразование гомогенных GNN в гетерогенные GNN...................................219
Реализация иерархической нейронной сети с самовниманием.......................226
Выводы.......................................................................................................................229
Дополнительное чтение..........................................................................................230
Глава 13. Темпоральные графовые нейронные сети...............................231
Технические требования.........................................................................................232
Знакомство с динамическими графами................................................................232
Прогнозирование веб-трафика..............................................................................233
Знакомство с EvolveGCN......................................................................................233
Реализация EvolveGCN.........................................................................................236
Прогнозирование случаев COVID-19.....................................................................243
Знакомство с MPNN-LSTM..................................................................................244
Реализация MPNN-LSTM.....................................................................................245
Выводы.......................................................................................................................250
Дополнительное чтение..........................................................................................251
Глава 14. Интерпретация графовых нейронных сетей...........................252
Технические требования.........................................................................................253
Знакомство с методами интерпретации...............................................................253
Интерпретация графовых нейронных сетей с помощью GNNExplainer..........254
Знакомство с GNNExplainer................................................................................254
Реализация GNNExplainer...................................................................................256
Интерпретация графовых нейронных сетей с помощью Captum.....................261
Знакомство с Captum и методом интегрированных градиентов.................261
Реализация метода интегрированных градиентов.........................................262
Выводы.......................................................................................................................267


Содержание    9
Дополнительное чтение..........................................................................................267
Часть IV.  ЗАДАЧИ..................................................................................................269
Глава 15. Прогнозирование трафика с помощью A3T-GCN...................270
Технические требования.........................................................................................271
Исследование набора данных PeMS-M..................................................................271
Обработка набора данных.......................................................................................276
Реализация архитектуры A3T-GCN........................................................................281
Выводы.......................................................................................................................286
Дополнительное чтение..........................................................................................287
Глава 16. Построение рекомендательной системы  
с помощью LightGCN...........................................................................................288
Технические требования.........................................................................................289
Исследование набора данных Book-Crossing.......................................................289
Предварительная обработка набора данных Book-Crossing..............................295
Реализация архитектуры LightGCN.......................................................................299
Выводы.......................................................................................................................311
Дополнительное чтение..........................................................................................311
Глава 17. Обнаружение аномалий с помощью гетерогенных 
графовых нейронных сетей..............................................................................313
Технические требования.........................................................................................314
Исследование набора данных CIDDS-001.............................................................314
Предварительная обработка набора данных CIDDS-001....................................319
Реализация гетерогенной GNN...............................................................................327
Выводы.......................................................................................................................333
Дополнительное чтение..........................................................................................334
Глава 18. Раскрытие потенциала графовых нейронных сетей 
в реальных задачах.............................................................................................335
Предметный указатель.......................................................................................337


От издательства
Отзывы и пожелания
Мы всегда рады отзывам наших читателей. Расскажите нам, что вы думаете 
об этой книге – что понравилось или, может быть, не понравилось. Отзывы 
важны для нас, чтобы выпускать книги, которые будут для вас максимально 
полезны.
Вы можете написать отзыв на нашем сайте www.dmkpress.com, зайдя на 
страницу книги и оставив комментарий в разделе «Отзывы и рецензии». 
Также можно послать письмо главному редактору по адресу dmkpress@gmail.
com; при этом укажите название книги в теме письма. 
Если вы являетесь экспертом в какой-либо области и заинтересованы в написании новой книги, заполните форму на нашем сайте по адресу http://
dmkpress.com/authors/publish_book/ или напишите в издательство по адресу 
dmkpress@gmail.com.
Список опечаток
Хотя мы приняли все возможные меры для того, чтобы обеспечить высокое качество наших текстов, ошибки все равно случаются. Если вы найдете 
ошибку в одной из наших книг, мы будем очень благодарны, если вы сообщите о ней главному редактору по адресу dmkpress@gmail.com. Сделав это, 
вы избавите других читателей от недопонимания и поможете нам улучшить 
последующие издания этой книги. 
Нарушение авторских прав
Пиратство в интернете по-прежнему остается насущной проблемой. Издательство «ДМК Пресс» очень серьезно относится к вопросам защиты авторских прав 
и лицензирования. Если вы столкнетесь в интернете с незаконной публикацией 
какой-либо из наших книг, пожалуйста, пришлите нам ссылку на интернет-ресурс, чтобы мы могли применить санкции.
Ссылку на подозрительные материалы можно прислать по адресу электронной почты dmkpress@gmail.com.
Мы высоко ценим любую помощь по защите наших авторов, благодаря 
которой мы можем предоставлять вам качественные материалы.


Доступ онлайн
1 849 ₽
В корзину