1.3 圖數據的應用場景

我們提到圖，更多的是帶有一種數學上的理論色彩，在實際的數據場景中，我們通常將圖稱為網絡（Network），與之對應的，圖的兩個要素（頂點和邊）也被稱為節點（Node）和關系（Link），比如我們熟知的社交網絡、物流網絡等概念名詞。為了達成統一并與神經網絡（Neural Networks）中的“網絡”概念區分開來（盡管神經網絡也是一種網絡），本書將網絡數據稱為圖數據。

圖數據是一類比較復雜的數據類型，存在非常多的類別。這里我們介紹其中最重要的4類：同構圖（Homogeneous Graph）、異構圖（Heterogeneous Graph）、屬性圖（Property Graph）和非顯式圖（Graph Constructed from Non-relational Data）。

（1）同構圖：同構圖是指圖中的節點類型和關系類型都僅有一種。同構圖是實際圖數據的一種最簡化的情況，如由超鏈接關系所構成的萬維網，這類圖數據的信息全部包含在鄰接矩陣里。

（2）異構圖：與同構圖相反，異構圖是指圖中的節點類型或關系類型多于一種。在現實場景中，我們通常研究的圖數據對象是多類型的，對象之間的交互關系也是多樣化的。因此，異構圖能夠更好地貼近現實。

（3）屬性圖：相較于異構圖，屬性圖給圖數據增加了額外的屬性信息，如圖1-9所示。對于一個屬性圖而言，節點和關系都有標簽（Label）和屬性（Property），這里的標簽是指節點或關系的類型，如某節點的類型為“用戶”，屬性是節點或關系的附加描述信息，如“用戶”節點可以有“姓名”“注冊時間”“注冊地址”等屬性。屬性圖是一種最常見的工業級圖數據的表示方式，能夠廣泛適用于多種業務場景下的數據表達。

（4）非顯式圖：非顯式圖是指數據之間沒有顯式地定義出關系，需要依據某種規則或計算方式將數據的關系表達出來，進而將數據當成一種圖數據進行研究。比如計算機3D視覺中的點云數據，如果我們將節點之間的空間距離轉化成關系的話，點云數據就成了圖數據。

在我們研究多元化對象系統的時候，圖是一種非常重要的視角。在現實世界中，圖數據有著十分廣泛的應用場景。下面我們舉幾個例子進行說明，如圖1-10所示。

社交網絡：社交網絡是十分常見的一類圖數據，代表著各種個人或組織之間的社會關系。如圖1-10的a圖展示了在線社交網絡中的用戶關注網絡：以用戶為節點，用戶之間的關注關系作為邊。這是一個典型的同構圖，一般用來研究用戶的重要性排名以及相關的用戶推薦等問題。隨著移動互聯網技術的不斷深入，更多元化的媒體對象被補充進社交網絡中，比如短文本、視頻等，如此構成的異構圖可以完成更加多樣化的任務。

電子購物：電子購物是互聯網中的一類核心業務，在這類場景中，業務數據通常可以用一個用戶–商品的二部圖來描述，在如圖1-10的b圖所展示的例子中，節點分為兩類：用戶和商品，存在的關系有瀏覽、收藏、購買等。用戶與商品之間可以存在多重關系，如既存在收藏關系也存在購買關系。這類復雜的數據場景可以用屬性圖輕松描述。電子購物催生了一項大家熟知的技術應用—推薦系統。用戶與商品之間的交互關系，反映了用戶的購物偏好。例如，經典的啤酒與尿布的故事：愛買啤酒的人通常也更愛買尿布。

化學分子：以原子為節點，原子之間的化學鍵作為邊，我們可以將分子視為一種圖數據進行研究，分子的基本構成以及內在聯系決定了分子的各項理化性質，通常我們用其指導新材料、新藥物的研究任務，如圖1-10的c圖所示。

交通網絡：交通網絡具有多種形式，比如地鐵網絡中將各個站點作為節點，站點之間的連通性作為邊構成一張圖，如圖1-10的d圖所示。通常在交通網絡中我們比較關注的是路徑規劃相關的問題：比如最短路徑問題，再如我們將車流量作為網絡中節點的屬性，去預測未來交通流量的變化情況。

場景圖：場景圖是圖像語義的一種描述方式，它將圖像中的物體當作節點，物體之間的相互關系當作邊構成一張圖。場景圖可以將關系復雜的圖像簡化成一個關系明確的語義圖。場景圖具有十分強大的應用場景，如圖像合成、圖像語義檢索、視覺推理等。圖1-10的e圖所示為由場景圖合成相關語義圖像的示例，在該場景圖中，描述了5個對象：兩個男人、一個小孩、飛盤、庭院以及他們之間的關系，可以看到場景圖具有很強的語義表示能力。

電路設計圖：我們可以將電子器件如諧振器作為節點，器件之間的布線作為邊將電路設計抽象成一種圖數據。在參考文獻中，對電路設計進行了這樣的抽象，如圖1-10的f圖所示，然后基于圖神經網絡技術對電路的電磁特性進行仿真擬合，相較于嚴格的電磁學公式仿真，可以在可接受的誤差范圍內極大地加速高頻電路的設計工作。

圖數據的應用場景遠不止這些，還有諸如描述神經網絡計算過程的計算圖、傳感器陣列網絡、由各類智能傳感器構成的物聯網。事實上，如果要找一種最具代表性的數據描述語言與現實數據對應，那么圖應該是最具競爭力的候選者。總的來說，圖數據的應用跨度大、應用場景多，研究圖數據具有廣泛且重要的現實意義。