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。
![](https://i-blog.csdnimg.cn/blog_migrate/08e2dcd3fbbbabbd8b17bce28aaab5e1.jpeg)
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
![](https://i-blog.csdnimg.cn/blog_migrate/e5ec249d83b354be963daa062e7effb7.jpeg)
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~
![](https://i-blog.csdnimg.cn/blog_migrate/9b3fc5f4532f63173dc226eca5bab79a.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/e38a785beb42ce7add5643d5b623820e.jpeg)
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。
![](https://i-blog.csdnimg.cn/blog_migrate/789623ac4f67b8204f03bcd4f38f17d9.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/ac1e4abecd599642ddda729ca53e14b1.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/edf135f428098ebd120bcd91d50df405.jpeg)
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。
![](https://i-blog.csdnimg.cn/blog_migrate/900396c5aaee7b48f22ce3589fda313b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/c5e73337e2e4ef01100551b7b14b907b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6dbeb80392d1af2bcb4bd8fdcc658f29.jpeg)
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。
![](https://i-blog.csdnimg.cn/blog_migrate/09663ec3f59410327ff8e576d838ce9f.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/451665dd69e8255d41fd252384ee3d56.jpeg)
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
整理不易,还望给个在看!