亚马逊云科技上海人工智能研究院
亚马逊云科技上海人工智能研究院
我们为研究者和开发者提供多种开源工具
Deep Graph Learning
Deep Graph Library (DGL) 是一款易用、高效、可扩展的用于深度图学习的开源框架。DGL 同时兼容多款主流的深度学习框架（PyTorch, Apache MXNet和TensorFlow），并在设计上保证了比较一致的用户体验。更多关于 DGL。
DGL-LifeSci
在过去几年，图深度学习一直处于上升的趋势。生命科学中有很多图数据，例如分子图和生物网络。它是图深度学习的重要应用领域。 DGL-LifeSci 是一个基于 DGL 的软件包，适用于生命科学中的各种图神经网络应用。
我们提供多种功能，包括但不限于图构建、特征工程、评估、模型架构、训练脚本和预训练模型等。更多关于 DGL-LifeSci。
DGL-KE
KGs 知识图谱是储存有关不同实体（节点）及其相关性（边）的数据结构。在各种机器学习的任务中，一种使用 KGs 的普遍方法是计算知识图嵌入。DGL-KE 是一种高性能、易于使用和用于学习大规模知识图嵌入的可扩展的包。更多关于 DGL-KE。
其他项目
自然语言处理方向
文本中包含各种图结构：句法树，语义图，篇章图等等。我们研究从文本中抽取图结构，并将基于图的推理应用在下游任务中。图结构抽取的主要挑战是缺少标注数据。针对这个问题，在一个我们已发表的工作中，我们在非平行的文本-图语料上使用无监督学习，得到了和监督学习相当的结果。
计算机视觉方向
图像与视频数据中往往含有物体在空间上的关系，以及物体本身随时间推移而产生的变化。通过图神经网络，我们可以轻松地发现与表达数据中复杂的关系与变化。我们在这个方向上的第一个工作是 Hilander: 基于图神经网络的大规模图像数据聚类模型，该模型在多个数据集上都达到了目前最好的结果。更多关于 Hilander。
