**字串比對模型**

# 資料

**資料範圍**
上市、上櫃、興櫃、前2000大、醫護

**正確資料**
1. full name
2. 上市興櫃short name
3. 人工產出的醫護資料
4. 真實資料(未加入)

**假資料**
1. 順序打亂*2組
2. 多字*3組 (多1、3、5字)
3. 上市興櫃+醫護資料 VS 錯誤資料

# Jaro Distance
exact match : 0
completely dissimilar : 1

# Q-garm Cosine

**GNN**

node classification
- 先針對每一個節點node做分類，再根據未知節點與已知節點的互動，預測未知節點的分類。
- 常見應用 : covid-19、輿論、線上廣告分眾

Link prediction
- 是否認識此好友?
- user-item graph : 根據好友喜歡的商品(影片)類型，推薦商品。

作法
1. Hand craft feature Matrix - 特徵工程 : 針對每個節點，產出特徵欄位，一個節點一row，形成特徵矩陣。EX : 此節點有幾個相鄰的連線。

2. Learned Latent Feature Matrix - Feature Learning : 演算法學習出來的節點的特徵表示向量(graph representation or Embeding vector)，形成特徵矩陣。

- graph representation learning (GRL) : 若想建立2維的特徵矩陣，就把每個節點頭影到二維空間，且保持節點與節點之間的距離遠近。