聊聊图数据库和图数据库的小知识 Vol.02
在第二期的图数据库小知识中，我们回顾了图数据库的兴起契机，聊了聊【传统数据库通过设计良好的数据结构是不是可以实现图数据库的功能】、【图数据库会出于什么考虑做存储计算分离】等图数据库设计问题…
原来GNN这么好上手，OMG！用它！
Graph-Learn(GL) 是阿里巴巴开源的高性能工业级大规模图学习系统，本文将对GL的用户接口做一个概览，并介绍GL丰富的图采样算法，以及GL灵活统一的GNNs模型框架，帮助用户快速上手GL。
项目地址：https://github.com/alibaba/graph-learn 。
你真的会学习吗？从结构化思维说起
学习是我们从呱呱坠地开始就在进行的事，从简单的模仿，到系统的训练，学习对我们而言似乎已经习以为常。然而，我们真的学会学习了吗？学习的终极目标是什么？技术性学习思维又有什么不同？本文从结构化思维说起，分享学习如何学习的方法。
RecSys提前看 | 深度学习在推荐系统中的最新应用
作为推荐系统的顶会，RecSys 一如既往受到了业界的广泛关注。与其他机器学习会议相比，RecSys 一向重视解决实际的问题，即结合在实际应用场景中推荐系统性能提升、效果提高等问题提出设计策略和算法解决方案等。随着深度学习研究的进一步深入，深度学习在推荐系统中的应用依然是研究热点之一，本次会议中图神经网络（Graph Neural Network，GNN）、经典深度学习模型都有所应用及改进。
Spark—GraphX编程指南
GraphX 是新的图形和图像并行计算的Spark API。从整理上看，GraphX 通过引入 弹性分布式属性图(Resilient Distributed Property Graph)继承了Spark RDD：一个将有效信息放在顶点和边的有向多重图。为了支持图形计算，GraphX 公开了一组基本的运算（例如，subgraph，joinVertices和mapReduceTriplets），以及在一个优化后的 PregelAPI的变形。此外，GraphX 包括越来越多的图算法和 builder 构造器，以简化图形分析任务。