兼具灵活轻便，阿里高级技术专家解读自研工业级GNN框架Graph-Learn

近年来，图神经网络（GNN）在网络安全、推荐系统、程序推理以及分子结构预测等诸多领域有了越来越广泛的应用。 GNN 一般是将底层图形（Graph）作为输入，通过深度神经网络对图中信息进行传递、转换和聚合，以生成图中每个顶点的向量化表示（Embedding）。 生成的顶点Embedding可以作为输入，用于诸如顶点分类或连接预测等任何可学习的上层任务，所形成的涵盖了图数据到预测目标的完整模型可被端到端训练。

2020 年，阿里巴巴机器学习平台团队（PAI）开源了 GraphLearn（以下简称 GL），这是一个用以简化图神经网络开发和应用的新框架。GL吸收了实际案例中沉淀下来的解决方案，这些解决方案已在推荐、反欺诈和知识图谱领域得到了应用和验证。

就其特性而言，GL 具备的可移植性和灵活性对开发者来说非常友好。借助于该框架，开发者可以更轻松地实现 GNN 算法以及自定义与图相关的运算符。此外，GL 可直接安装在物理机或容器内，兼容Kubernetes、TensorFlow 等开源生态。

3 月 16 日，机器之心最新一期线上分享邀请到了阿里巴巴高级技术专家赵昆，为大家详细解读 GL 框架背后的设计理念以及 GNN 与工业生产结合需要关注的方方面面内容。

分享主题：走进工业级图神经网络框架 GraphLearn

个人简介： 赵昆，阿里巴巴高级技术专家，长期从事大规模分布式系统、机器学习算法以及平台的研发，主导并开源了自研的工业级图神经网络框架 GraphLearn。

分享摘要： 图神经网络（Graph Neural Network, GNN）自诞生以来受到了广泛关注，它把图与深度学习当下两个最热门的 AI 话题联系在了一起。GraphLearn 是阿里巴巴开源的一款 GNN 框架，面向工业场景而设计，天然支持大规模异构图和属性图，可以有效降低 GNN 应用研发的成本。本次分享将结合阿里巴巴的应用场景，深入剖析 GNN 与工业生产相结合需要关注的那些事，以及 GraphLearn 背后的设计理念。

项目地址：https://github.com/alibaba/graph-learn

直播间链接：https://jmq.h5.xeknow.com/s/GcmX8

直播时间：北京时间 3 月 16 日 20:00-21:00

加入机动组，一起看直播

「机动组」是机器之心发起的人工智能技术社区，将持续提供技术公开课、论文分享、热门主题解读等线上线下活动，同时「机动组」也将不定期组织人才服务、产业技术对接等活动，欢迎所有 AI 领域技术从业者加入。

添加机器之心小助手（syncedai5），备注「自动驾驶」，加入本次直播群。

如小助手添加异常，还可以添加 syncedai3、syncedai4 、syncedai6，或将微信 ID 发送至邮箱 shidongle@jiqizhixin.com，我们将邀请你入群。

点击阅读原文，收藏直播间。