Google大规模图学习(Graph Learning)平台简介
摘自：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651987743&idx=1&sn=e586f85e2655f75941b6a92343362491&chksm=f1216beec656e2f8fe5f7fa29ac87c66c26314fa0d2e84b9e2cc755723b0841ae53e86cc6bb1
近来机器学习突飞猛进使计算机系统能够解决现实世界中的复杂问题。其中之一便是谷歌的大规模、基于图的机器学习平台，这是由 Google Research 的 Expander 团队制作的。很多你日常使用的谷歌产品及功能背后，都有基于图的机器学习，这是一种强大的工具，能够用于收件箱提醒、Allo 智能信息回复等功能，基于图的机器学习和深度神经网络一起，为 Google Photos 最新的图像识别系统提供动力。
Goolgle在去年发表的论文“ Large Scale Distributed Semi-Supervised Learning Using Streaming Approximation”（使用流近似的大规模分布式半监督学习）中，研究者描述了一种全新的方法。论文介绍了一种流算法（ streaming algorithm），以分布式的方法，处理相邻的节点中传播的信息，这使得在大规模的图中进行工作成为可能。此外，它还解决了另一个实际的问题，特别是，它保证了空间的复杂性或者系统的内存要求保持在一个稳定的状态，不管任务有多难。比如，不管预测标签的数量是2（正如上面的例子 ）或者100万或者10亿，整个系统使用的都是相同数量的内存。这让大范围的采用成为可能，比如自然语言理解、机器感知、用户建模，甚至是涉及多模型的学习任务，例如文字、图片和视频的输入。基于图的语言学习能通过剩余词汇发现情感类型（比入， ROTFL的标签是“有趣”，因为这个多次反射的词与“笑”这个词有关）。
具体参考：https://research.googleblog.com/2016/10/graph-powered-machine-learning-at-google.html
来源：oschina
链接：https://my.oschina.net/u/2338162/blog/754887