Graph Neural Networks: A Review of Methods and Applications
相关推荐
- 更多论文知识点总结与论文解析请戳 Github
- 图网络研究交流QQ群:
832405795
- 🚀 AI Power 高性价比云GPU租借/出租平台:图网络的计算需要高算力支持,现在注册并绑定(参考Github)即可获得高额算力,注册不涉及个人隐私信息,奖励可随时提现。详情请参考AI Power指南
概要
原文链接
Graph Neural Networks: A Review of Methods and Applications
作者:Jie Zhou∗, Ganqu Cui∗, Zhengyan Zhang∗, Cheng Yang, Zhiyuan Liu, Maosong Sun
内容概括
- 对现有的图神经网络模型进行了详细的回顾。介绍了原始模型、它的变体和几个通用框架。研究了这一领域的各种模型,并在不同的模型中提供了一个统一的表示方法来实现不同的传播步骤。
- 将应用场景分为结构化场景、非结构化场景和其他场景。
- 提出了四个有待进一步研究的问题。
要点分析
图神经网络
图神经网络(GNNs)是一种连接主义模型,它通过图节点之间的消息传递(message passing)来捕获图的关系。与标准神经网络不同的是,图神经网络可以收集一个节点周围任意深度邻节点的信息。图神经网络可以处理图结构数据。
-
CNN 只能作用在规则的 Euclidean 数据上。
CNN强在{局部连接,权值共享,多层抽象},怎么让GNN在图结构上拥有同样的属性?
-
使用图嵌入(Graph Embedding)把图改造成规则化数据,需要人工设计特征,计算复杂,效果也未必好。
(几种图嵌入方法:DeepWalk、LINE、SDNE)
生疏词汇
不理解词怎么流畅地阅读呢?来看看我的生疏词检测下吧?。
单词 | 意义 |
---|---|
molecular | adj. [化学] 分子的;由分子组成的 |
fingerprints | n. [法][特医] 指纹(fingerprint的复数) |
connectionist | n. 联结主义 |
primitive | adj. 原始的,远古的;简单的,粗糙的 |
demonstrated | 演示 |
non-Euclidean | adj. 非欧几里得的 |
interpretability | n. 可解释性;解释能力 |
hinders | 阻碍 |
aggregate | vt. 集合;聚集;合计 |
diffusion | n. 扩散,传播;[光] 漫射 |
traverse |