推荐系统是当今互联网上最重要的信息服务之一。近年来，图神经网络已成为推荐系统的新技术。在这个调研中，我们对基于图神经网络的推荐系统的文献进行了全面的回顾。我们首先介绍了推荐系统和图神经网络的背景和发展历史。对于推荐系统，一般来说，现有工作的分类分为四个方面: 阶段、场景、目标和应用。对于图神经网络，现有的方法包括谱模型和空间模型两大类。

Cora数据集包含2708篇科学出版物，edges:5429，classes:7，features:1433 每个科学出版物都由一个01词向量描述 训练集（140，1433），测试集（1000，1433），总训练集（1708，1433），训练集从总训练集中抽取，存在labeled和unlabeld节点 用于深度学习，图神经网络的训练

启发式算法实现完全图分割 详情参见文章https://blog.csdn.net/C_1024/article/details/125582995 核心思想：首先随机将 V 划分成 2 个元素数目相等的集合 X0、X1 得到初始解，计算目标函数c([X0 , X1]) 。neighborhood 定义为交换 X0、X1中的一对点后得到的所有可能的 V 的划分的集合。采用穷举搜索策略，每次都选择 neighborhood 中目标函数最小的划分，逐步改进解，直到目标函数不能继续减小。

详情参见文章https://blog.csdn.net/C_1024/article/details/125582995 核心思想：每次只改变一个物品的状态。选取性价比（价值/重量）最大的物品放入背包，若无法放入任何物品则选取性价比最小的物品取出。 每次迭代都将当前结果和 best_value（初值为 0）比较，若大于 best_value 则令 best_value 为当前结果。

计算机网络思维导图详细版 xmind文件 主要内容：概论、网络协议和网络体系结构、数据通信基础与物理层、MAC子层、4 数据链路层、网络层、传输层、应用层、网络安全概述。

注意力机制(AttentionMechanism)最初在机器翻译模型中被引入并使用,现在已经成 为自然语 言 处 理 (NaturalLanguageProcessing,NLP)、计 算 机 视 觉 (ComputerVision, CV)、语音识别(SpeechRecognition,SR)领域中神经网络模型的重要组成部分。近年来,有 些研究人员将注意力机制应用到图神经网络模型中,取得了很好的效果。本章聚焦于图注意力网络模型,依次介绍注意力机制的概念、图注意力网络的分类,以及四个典型的注意力模型: 图注意力 网 络 模 型(GraphAttentionNetworks,GAT)、异 质 图 注 意 力 网 络(Heterogeneous GraphAttentionNetworks,HAN)、门控注意力网络(GatedAttentionNetworks,GaAN)和层 次图注意力网络(HierarchicalGraphAttentionNetworks,HGAT)

组会论文笔记

深度学习图神经网络.rar 英文电子版 分章节 高清PDF

（python）论文“时变转速下基于改进图注意力网络的轴承半监督故障诊断”源码

入门图神经网络的好资源,了解GNN的基本原理,训练方法,以及其各种变体的应用。里面包含了清华总结的大部分论文资料，通俗易懂，讲解全面。总有适合你的。