关于图网络结构的一点点思考

图网络结构介绍

当今网络结构纷繁多样，有向图，无向图，异构图，有向异构图，时域动态图，时域动态异构图。可是这就引入了一个巨大的问题。假若有业务场景N1，不一样的算法N2,不一样的网络结构版本N3,这会让一家公司的方案变成N1N2N3。对于通常的公司是无能为力进行管理。在场景侧各大巨头公司也在想办法在场景上作统一。好比威名赫赫的T5模型，就是在想办法把全部NLP
场景任务全统一到seq2seq模型。算法在多样化的同时，也在暗中隐藏着原理的归一化。那么网络结构该当如何呢？本博客讨论这一痛点。

怎么存

典型的边结构：去年北京的张三借钱长沙的李四
去年就是时间，北京的是from张三的属性，长沙的是to李四的属性，而张三到李四是有向边。
在数据上村粗就是from：张三，to：李四，from_attr：北京,to_attr:长沙，time:去年。
实际上from_attr既能够是张三的网络特征，图像特征，自己的属性值等多种，能够接词典，每一个key后面接对应的信号。同理李四也能够。而时间维度经过一个词典列表的方式。
经过上述构造一种通用的图网络结构的定义。
经过上面的定义，结合大数据和深度学习的技术就能够作推理，挖掘，分析了。结构不会涉及更多的版本变动管理。

思考

将来模型，算法，结构的多样性的同时，也会暗含着原理上变得统一。