图网络之——Graph Memory Networks

Graph Memory Networks for Molecular Activity Prediction

---

Introduction

graph(图)作为一种数据结构，能够表达非常复杂的关系，比如社交关系网络，见下图。充分挖掘graph中蕴含的知识，是一个非常challenging的任务，已有的方法像 kernel-based method运用到大量数学知识，值得学习一下，但在deep learning爆炸的年代，任何东西不和deep learning结合一下都没法上得了台面，可以Google到，近几年有许多graph+deep learning的工作涌现出来，有时间我打算单独对一些代表性的工作做一个系统的总结，今天，就以该文章作为一个引子，先感受一下。

该文章做的是一个基于graph的分子活性预测问题。molecule(分子)是由若干个atom(原子)通过化学键连接在一起的，我们可以把一个molecule看作一个graph，通过挖掘molecular内部的连接关系形成对molecular的整体认识，然后就可以用来做molecule的生物活性预测了。

Approach

本文使用了一种叫做Graph Memory Networks (Graph-Mem)的方法，整体来讲是这样一个过程，如下图所示：

• 1)建立一个memory