Google大規模圖學習(Graph Learning)平臺簡介

Google大規模圖學習(Graph Learning)平臺簡介

摘自：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651987743&idx=1&sn=e586f85e2655f75941b6a92343362491&chksm=f1216beec656e2f8fe5f7fa29ac87c66c26314fa0d2e84b9e2cc755723b0841ae53e86cc6bb1

近來機器學習日新月異使計算機系統可以解決現實世界中的複雜問題。其中之一即是谷歌的大規模、基於圖的機器學習平臺，這是由 Google Research 的 Expander 團隊製做的。不少你平常使用的谷歌產品及功能背後，都有基於圖的機器學習，這是一種強大的工具，可以用於收件箱提醒、Allo 智能信息回覆等功能，基於圖的機器學習和深度神經網絡一塊兒，爲 Google Photos 最新的圖像識別系統提供動力。

 

Goolgle在去年發表的論文「 Large Scale Distributed Semi-Supervised Learning Using Streaming Approximation」（使用流近似的大規模分佈式半監督學習）中，研究者描述了一種全新的方法。論文介紹了一種流算法（ streaming algorithm），以分佈式的方法，處理相鄰的節點中傳播的信息，這使得在大規模的圖中進行工做成爲可能。此外，它還解決了另外一個實際的問題，特別是，它保證了空間的複雜性或者系統的內存要求保持在一個穩定的狀態，無論任務有多難。好比，無論預測標籤的數量是2（正如上面的例子 ）或者100萬或者10億，整個系統使用的都是相同數量的內存。這讓大範圍的採用成爲可能，好比天然語言理解、機器感知、用戶建模，甚至是涉及多模型的學習任務，例如文字、圖片和視頻的輸入。基於圖的語言學習能經過剩餘詞彙發現情感類型（比入， ROTFL的標籤是「有趣」，由於這個屢次反射的詞與「笑」這個詞有關）。

 

具體參考：https://research.googleblog.com/2016/10/graph-powered-machine-learning-at-google.html