图神经网络整理.pptx

图神经网络在视频分类中的应用，选自于SFFAI第27期，中科院自动化所高君宇博士的演讲稿。

清华大学孙茂松课题组，《图神经网络: 方法与应用》综述论文。

GNN综述阅读报告，报告涵盖有多篇GNN方面的论文，以及一个按照论文《The Graph Neural Network Model 》使用pytorch编写的模型例子，该模型在人工数据上进行运行和验证。

来自密歇根州立大学的YaoMa, Wei Jin, andJiliang Tang和IBM研究Lingfei Wu与 Tengfei Ma在AAAI2020做了关于图神经网络的Tutorial报告，总共305页ppt，涵盖使用GNNs对图结构数据的表示学习、GNNs的健壮性、GNNs的可伸缩性以及基于GNNs的应用，非常值得学习。

图神经网络的实战文档，可以给该领域的初学者提供参考。图网络（Graph Network, GN）是在拓扑空间（topological space）内按图（graph）结构组织以进行关系推理（relational reasoning）的函数集合。在深度学习理论中是图神经网络（ graph neural network, GNN）和概率图模型（Probabilistic Graphical Model, PGM）的推广

图神经网络 图嵌入 卷积神经网络 注意力机制 社区推荐 各类有关图的最新论文带你快速入门

真棒图神经网络：图神经网络的论文清单

WSDM'21教程：具有深图库的可扩展图神经网络 时间： 2021年3月8日，上午9:30-下午12:00（GMT + 2） 作者：来自亚马逊AI的大正，王敏杰，甘泉，宋松，张正 从图和关系数据中学习在许多应用程序中起着重要作用，包括社交网络分析，市场营销，电子商务，信息检索，知识建模，医学和生物科学，工程学等。 在过去的几年中，图形神经网络（GNN）成为一种有前途的新型监督学习框架，能够将深度表示学习的功能引入图形和关系数据。 这项不断发展的研究表明，GNN在诸如链接预测，欺诈检测，目标配体结合活性预测，知识图完成和产品推荐等问题上达到了最先进的性能。 实际上，许多现实世界的图都非常大。 迫切需要一种可扩展的解决方案，以在大型图形上有效地训练GNN。 本教程将概述GNN背后的理论，讨论GNN非常适合的问题类型，并介绍一些最广泛使用的GNN模型架构以及旨在解决的问题/应用程序。 它将引入

图神经网络——图注意力网络（GAT）原始论文与源码