讲解两个知识点：community structure in networks以及how to detection of them

本节开篇从subgraph出发，指出subgraph是一个非常重要的概念，能够描述一个network的特征。于是，顺水推舟地讲解了两个利用到subgraph的度量指标：motifs and graphlets；最后又讲解了如何提取network中每个node的structural roles；

这节课主要讲解两个工具：snap.py和google cloud

在本节课中，我们首先讲述4个关于网络的重要属性，它们是我们研究图的重要指标。然后介绍几种常见的随机图模型。

讲解为什么要研究Networks/Graphs,它们的应用在何处，以及复习图论的一些知识

支付宝2018年CIKM论文，论文使用user-device图，提出device aggregation和activity aggregation的数据特征，并且利用该特征构造了GNN的消息传递函数，进行恶意账户识别。

在GNN中的图信号处理中使用到了傅里叶分析的思想，因此在知乎上找了一篇点赞数超高的文章进行学习入门。

B站视频「台大李宏毅助教讲解GNN图神经网络」笔记

摘自网络上的一篇关于信息抽取的入门介绍

论文《A Survey of Open Domain Event Extraction》的阅读笔记

中科院赵军：开放域事件抽取 | CCF-GAIR 2018 文章摘自知乎——中科院赵军：开放域事件抽取 | CCF-GAIR 2018 以下是赵军教授发表的题为「开放域事件抽取」的演讲全文，雷锋网 AI 科技评论在赵军教授的帮助下，做了不