深度之眼Paper带读笔记GNN.00.开营（第一期）

赵老师介绍什么的就不写了

学习图神经网络的目的

深度学习时代的迫切新需要
·许多实际应用场景中的数据是从非欧式空间生成的，如何将深度学习方法应用在图数据
·难度大：图的不规则性（无序节点、邻居数量不同）
·应用领域广泛：电子商务、金融风控、推荐系统、社交网络、医药分子预测
插一张PGL培训的图片：

·学术上也是新的热点（根据2020年NIPS和KDD收录的文章可知）

论文列表

---

图游走类模型.简单图
1.Node2vec：平衡同质性和结构性
2.LINE：1阶+2阶相似度
3.SDNE：多层自编码器

---

复杂图
4.Metapath2vec：异构图网络
5.TransE：知识图谱奠基，还有一系列的衍生文章

---

6.GAT：GNN+attention机制
7.GraphSAGE：归纳式学习框架
8.GCN：图卷积开山之作
9.GGNN：门控图神经网络
10.MPNN：空域卷积消息传递框架
再插一张PGL培训的图片：

GNN发展

2013 Spectral networks and locally connected networks on graphs
2013 Translating Embeddings for Modeling Multi-relational Data
2014 DeepWalk: Online Learning of Social Representations
2016 Semi-Supervised Classification with Graph Convolutional Networks

三篇survey：
A Comprehensive Survey on Graph Neural Networks
Deep Learning on Graphs: A Survey
Graph Neural Networks:A Review of Methods and Applications
一本书：
Introduction to Graph Neural Networks.
Zhiyuan Liu，Jie Zhou
清华大学刘知远教授的著作，目前还没有中文，知乎上有翻译
https://zhuanlan.zhihu.com/p/129305050