本文是对《A Comprehensive Survey on Graph Neural Networks》论文的一个翻译,主要针对文字部分,插图和表格不添加,需要请看原论文。
图神经网络综述
摘要
近年来,深度学习彻底改变了许多机器学习任务,从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常用欧几里德空间表示。然而,越来越多的应用程序从非欧几里德域生成数据,并将其表示为对象之间具有复杂关系和相互依存关系的图。图数据的复杂性对现有的机器学习算法提出了重大挑战。最近,出现了许多关于扩展图数据深度学习方法的研究。在本综述中,我们全面概述了数据挖掘和机器学习领域中的图神经网络(GNN)。我们提出了一种新的分类法,将最先进的图神经网络分为四类,即循环图神经网络、卷积图神经网络,图自动编码器和时空图神经网络。我们进一步讨论了图神经网络在各个领域的应用,并总结了图神经网的开源代码、基准数据集和模型评估。最后,我们提出了这一快速发展领域的潜在研究方向。
1. 引言
最近神经网络的成功推动了模式识别和数据挖掘的研究。许多机器学习任务,如目标检测、机器翻译和语音识别,曾经严重依赖手工特征工程来提取信息特征集,最近已被各种端到端深度学习范式所彻底改变,例如卷积神经网络(CNN)、循环神经网络