技术

Graph Learning（图学习）

Graph Learning 是一类针对图结构数据的机器学习方法，旨在学习节点、边或整个图的表示与模式。它解决了非欧几里得空间数据的建模问题，典型应用于社交网络分析、分子性质预测、知识图谱推理和推荐系统，代表工作包括图卷积网络（GCN）、GraphSAGE 和图注意力网络（GAT）。

收录于 2026/9/10相关资讯 5 篇近 30 天 3 篇在词典中查看 →

详细解释

图学习通过聚合节点邻域信息来更新节点表示，核心是设计有效的消息传递机制。早期方法基于谱图理论，后来发展出空间域方法如 GCN、GAT 和 GraphSAGE。图学习还涉及图生成、图池化和自监督学习等任务。随着大模型的发展，图学习与语言模型的结合（如 GraphGPT）成为新趋势，用于处理结构化知识。

别名与相关写法
graph learning

相关术语

Multimodal共现 2 篇
agentic共现 1 篇
Nature共现 1 篇
多智能体共现 1 篇

相关公司

OpenAI1 篇

相关资讯

完整术语表见 AI 术语词典； 每日新术语与进展见 AI 早报。