【2021最新】4篇图神经网络综述论文，建议收藏！

点击上方，选择星标，每天给你送干货！

---

来自：图与推荐

  本文主要介绍了2021年最新的图神经网络综述，是入坑的最佳材料。

  

    图神经网络已经成为深度学习领域最炙手可热的方向之一了，也是各大互联网公司非常欢迎的方向。

A Survey on Heterogeneous Graph Embedding

本文来自图挖掘大牛Philip S. Yu老师和在异质图领域深耕的北邮Chuan Shi教授。一作Xiao Wang是图挖掘的Rising Star。图神经网络大部分的研究是针对简单同质图设计的。然后，在工业实际场景下，数据往往更加复杂，是包含多种类型节点和边的异质图。例如，电商推荐实际是预测用户-商品之间的边。因此，异质图神经网络更具有实际经济价值。

本文分类梳理了异质图神经网络及表示学习最新的进展，包括模型，应用及相关的资源(数据&代码)。非常值得一看~

论文链接：http://shichuan.org/doc/95.pdf

Graph Self-Supervised Learning: A Survey

本文来自图挖掘大牛Philip S. Yu老师和学术新秀 Shirui Pan，主要介绍了图上自监督学习的最新进展。自监督学习这1，2年非常火，当然也免不了蔓延到图神经网络领域。例如，图神经网络预训练模型基本都是采用自监督训练的。

image-20210302115026004

image-20210302115128408

论文链接：https://arxiv.org/pdf/2103.00111.pdf

Meta-Learning with GNNs:Methods&Applications

图神经网络与元学习结合的相关模型及应用。图神经网络经过这几年的发展，已经逐渐进入了深水区。一些研究者便将其与多种传统技术如元学习结合，弯道超车，也发了一些顶会论文。

论文链接：https://arxiv.org/pdf/2103.00137.pdf

Automated Machine Learning on Graphs: A Survey

本文来自清华大学朱文武团队。与传统深度学习算法类似，图深度学习(包括图表示学习和图神经网络)也不可避免的需要调整大量超参数。AutoML可以实现自动超参数搜索，本文则是集中梳理了图上的自动机器学习技术。

论文链接：https://arxiv.org/pdf/2103.00742.pdf

说个正事哈

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方“深度学习自然语言处理”，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

投稿或交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

推荐两个专辑给大家：

专辑 | 李宏毅人类语言处理2020笔记

专辑 | NLP论文解读

专辑 | 情感分析

整理不易，还望给个在看！