그래프 머신러닝 : 머신러닝 알고리듬을 적용해 그래프 데이터 활용하기

클라우디오스타밀레,알도마르줄로,엔리코듀세비오

저자:클라우디오스타밀레,알도마르줄로,엔리코듀세비오

1부.그래프머신러닝소개
2부.
1장.그래프시작하기
__기술적필요사항
__networkx로그래프이해하기
____그래프의종류
____그래프표현
__그래프플로팅
____networkx
____Gephi
__그래프속성
____통합측정지표
____분리측정지표
____중심성측정지표
____탄력성측정지표
__벤치마크및저장소
____간단한그래프의예
____그래프생성모델
____벤치마크
__큰그래프다루기
__요약

2장.그래프머신러닝
__기술적필요사항
__그래프머신러닝이해하기
____머신러닝의기본원리
____그래프머신러닝의이점
__일반화된그래프임베딩문제
__그래프임베딩머신러닝알고리듬의분류
____임베딩알고리듬의분류
__요약

2부.그래프에서의머신러닝

3장.비지도그래프학습
__기술적필요사항
__비지도그래프임베딩로드맵
__얕은임베딩방법
____행렬분해
____그래프분해
____고차근접보존임베딩
____전역구조정보를통한그래프표현
____skip-gram
____DeepWalk
____Node2Vec
____Edge2Vec
____Graph2Vec
__오토인코더
____텐서플로와케라스-강력한조합
____첫번째오토인코더
____노이즈제거오토인코더
____그래프오토인코더
__그래프신경망
____GNN의변형
____스펙트럼그래프합성곱
____공간그래프합성곱
____예제로보는그래프합성곱
__요약

4장.지도그래프학습
__기술적필요사항
__지도그래프임베딩로드맵
__특징기반방법
__얕은임베딩방법
____라벨전파알고리듬
____라벨확산알고리듬
__그래프정규화방법
____매니폴드정규화및준지도임베딩
____신경그래프학습
____Planetoid
__GraphCNN
____GCN을이용한그래프분류
____GraphSAGE를이용한노드분류
__요약

5장.그래프에서의머신러닝문제
__기술적필요사항
__그래프에서누락된링크예측
____유사성기반방법
____임베딩기반방법
__커뮤니티와같은의미있는구조감지
____임베딩기반커뮤니티감지
____스펙트럼방법및행렬분해
____확률모델
____비용함수최소화
__그래프유사성및그래프매칭감지
____그래프임베딩기반방법
____그래프커널기반방법
____GNN기반방법
____응용
__요약

3부.그래프머신러닝의고급응용

6장.소셜네트워크그래프
__기술적필요사항
__데이터셋개요
____데이터셋다운로드
____networkx로데이터셋불러오기
__네트워크토폴로지및커뮤니티감지
____토폴로지개요
____노드중심성
____커뮤니티감지
__지도및비지도임베딩
____작업준비
____node2vec기반링크예측
____GraphSAGE기반링크예측
____링크예측을위한수작업특징
____결과요약
__요약

7장.그래프를이용한텍스트분석및자연어처리
__기술적필요사항
__데이터셋개요
__자연어처리에서사용되는주요개념및도구이해
__문서모음에서그래프만들기
____지식그래프
____이분문서/개체그래프
__문서주제분류기구축
____얕은학습방법
____그래프신경망
__요약

8장.신용카드거래에대한그래프분석
__기술적필요사항
__데이터셋개요
____데이터셋불러오기및networkx그래프구축
__네트워크토폴로지및커뮤니티감지
____네트워크토폴로지
____커뮤니티감지
__사기탐지를위한지도및비지도임베딩
____사기거래식별에대한지도학습접근방식
____사기거래식별에대한비지도학습접근방식
__요약

9장.데이터드리븐그래프기반응용프로그램구축
__기술적필요사항
__람다아키텍처개요
__그래프기반응용프로그램을위한람다아키텍처
____그래프처리엔진
____그래프쿼리레이어
____Neo4j와GraphX선택
__요약

10장.그래프의새로운트렌드
__그래프의데이터증대에대해알아보기
____샘플링전략
____데이터증강기술살펴보기
__토폴로지데이터분석에대해배우기
____토폴로지머신러닝
__새로운영역에그래프이론적용하기
____그래프머신러닝및신경과학
____그래프이론및화학및생물학
____그래프머신러닝및컴퓨터비전
__추천시스템
__요약

◈이책의대상독자◈
이책은데이터포인트를풀고,위상(topology)정보를활용해분석과모델의성능을개선하려는데이터분석가,그래프개발자,그래프분석가,그래프전문가를대상으로한다.머신러닝기반그래프데이터베이스를구축하려는데이터과학자와머신러닝개발자에게도유용하다.그래프데이터베이스와그래프데이터에대한초급수준의지식을가지고있는사람이읽기에적합한책이다.이책의내용을최대한활용하기위해서는파이썬프로그래밍과머신러닝에대한중급수준의실무지식또한필요하다.

◈이책의구성◈

1장,'그래프시작하기’에서는NetworkX파이썬라이브러리를사용해그래프이론의기본개념을소개한다.
2장,‘그래프머신러닝’에서는그래프머신러닝과그래프임베딩기술의주요개념을소개한다.
3장,‘그래프비지도학습’에서는비지도그래프임베딩의최신방법을다룬다.
4장,‘그래프지도학습’에서는지도그래프임베딩의최신방법을다룬다.
5장,‘그래프에서의머신러닝문제’에서는그래프에서가장일반적인머신러닝작업을소개한다.
6장,‘소셜네트워크그래프’에서는분석소셜네트워크데이터에머신러닝알고리듬을적용하는방법을소개한다.
7장,‘그래프를사용한텍스트분석및자연어처리’에서는자연어처리작업에머신러닝알고리듬을적용하는방법을소개한다.
8장,‘신용카드거래에대한그래프분석’에서는신용카드부정거래탐지에머신러닝알고리듬을적용하는방법을소개한다.
9장,‘데이터드리븐그래프기반응용프로그램구축’에서는큰그래프를처리하는데유용한몇가지기술을소개한다.
10장,‘그래프의새로운트랜드’에서는그래프머신러닝의몇가지새로운동향(알고리듬과응용프로그램)을소개한다.

◈옮긴이의말◈
처음접하는이들에게는그래프데이터가어렵게느껴질수있다.하지만그래프데이터는우리의일상과친숙해질수있는데이터형식이다.사회는복잡한관계의연속으로구성되는데,노드와간선으로표현되는그래프데이터는이러한관계의표현을가장잘나타낼수있는데이터형식이다.관계표현을가장쉽게할수있다는강점이있어최근에는그래프형식으로데이터를저장하는데이터베이스등이각광받고있다.
이책은그래프데이터를다루기위한아주기본적인것들로시작해서,실생활에적용할수있는예시를통해보다쉬운이해를제공한다.예시를통해서그래프데이터를다루는기본기를쌓고,머신러닝알고리즘들을활용해고급응용스킬들을배워볼수있다.단순히이론적인설명에서끝나는것이아니라실제서비스에필요한기본지식들을소개한다는점에서훌륭한책이다.물론나와있는내용만으로그래프머신러닝전문가가될수있다고는할수없을것이다.그러나훌륭한시작을함께하기위해좋은책이라고생각한다.
이책에서는보다복잡한설명이나심도있는이해가필요한부분에참고할만한자료들에대한소개가나와있다.이러한참고자료들을찾아보고스스로새로운문제를해결하기위해노력해보기를꼭권장한다.이러한노력이인공지능연구의선도자가되는길이라고생각한다.