建议收藏！早期人类驯服『图神经网络』的珍贵资料

大家好，我是kaiyuan????‍????

五一有空复盘了最近一年的项目，除了常规的NLP项目之外，还有几个之前没有涉及过的领域。今天这篇文章整理分享了我从零开始图网络之旅的一些有帮助的学习资源，希望对想入坑的同学有帮助????

欢迎收藏与补充，ok，上车吧！????

视频

斯坦福CS224W

必刷！这门课程全称叫『CS224W: Machine Learning with Graphs』，授课教师是图网络领域大牛Jure Leskovec， 非常全面系统地介绍了图网络，刷完以后会对整个领域有比较清晰的掌握。公开免费的良心好课，

• 课程主页：http://web.stanford.edu/class/cs224w/

课程目录

唐杰：图网络分享

清华大学唐杰老师的演讲，从DeepWalk、LINE等浅层Graph Embedding方法开始，进而介绍了NetMF、NetSMF、ProNE等方法。之后转到图深度学习方面，Graphsage、GCN、GAT等模型，以及一些图推理方面的内容。

• b站：https://www.bilibili.com/video/BV1CZ4y1H7pp?from=search&seid=13888762414381316025

图网络"家谱"

图表示学习和图神经网络的最新理论进展和应用探索

智源社区组织的一次线上分享，主题是关于图表示学习和图神经网络的最新理论进展和应用探索。一共四个部分，分别是四位四位国内著名学者（宋国杰、沈华伟、唐杰、石川）专场。

• b站：https://www.bilibili.com/video/BV1zp4y117bB?from=search&seid=17102149353049825699

书籍

Graph Representation Learning Book

作者是William L. Hamilton， 这本书试图提供一个简单而全面的介绍图表示学习，从图理论和传统图方法等基础开始，到图嵌入方法，图神经网络，和图形的深层生成模型等等。同样也是公开免费下载，

• 下载地址：https://www.cs.mcgill.ca/~wlh/grl_book/

书籍目录

Deep Learning on Graphs

作者是密歇根州立大学助理教授汤继良，KDD新星奖大神，这本书着重在深度图网络部分。

• 英文版：http://cse.msu.edu/~mayao4/dlg_book/dlg_book.pdf

• 中文版好像也已经出版了，书名就叫《图深度学习》

经典论文

一些经典论文推荐清华大学整理的『GNNPapers』，非常全面！

• github链接：https://github.com/thunlp/GNNPapers#survey-papers

图网络论文分类目录

另外一些图网络相关的优秀github库：

• https://github.com/KaiyuanGao/AI-Surveys#图网络graph-network

• https://github.com/nnzhan/Awesome-Graph-Neural-Networks

优质博客

AI算法工程师手册

作者华校专，这份笔记非常全面，内容包括数学基础、机器学习、深度学习、NLP、图网络、推荐等等主题。

• 笔记：http://www.huaxiaozhuan.com/

以下截取了关于GNN的一些内容，

Michael Bronstein

博主是伦敦帝国理工的教授，也是twitter图机器学习的负责人，都是一些GNN干货文章。

• 博客：https://medium.com/@michael.bronstein

ArchWalker

博主是阿里巴巴算法工程师，关注GNN，也是datawhale南瓜书作者之一。

• 博客：https://archwalker.github.io

知乎

知乎上有很多关于图网络的优质信息，或通俗易懂或入木三分，推荐几个。

• superbrother^[1]

• 风浪^[2]

• 郭达森^[3]

• Houye^[4]

• 想飞的石头^[5]

ok，今天就写到这儿。关于其他AI学习资料，我们整理在了

• https://github.com/KaiyuanGao/NLP-RoadMap/blob/master/docs/AI-Resources.md

一些你觉得不错的学习资源，欢迎分享交流！

本文参考资料

[1]

superbrother: https://www.zhihu.com/people/superbrother-58

[2]

风浪: https://www.zhihu.com/people/wzhen-67

[3]

郭达森: https://www.zhihu.com/people/Sing-F

[4]

Houye: https://www.zhihu.com/people/Jhy1993

[5]

想飞的石头: https://www.zhihu.com/people/duan-shi-shi-68

- END -

通俗易懂 | 图神经网络入门笔记

2021-04-26

万物皆可Graph | 当推荐系统遇上图神经网络

2021-01-14

Node2Vec：万物皆可Embedding

2020-12-03

Graph-Bert：没有我Attention解决不了的

2020-08-17