《Graph Neural Networks: A Review of Methods and Applications》图网络综述 -- 解析笔记

最新推荐文章于 2022-07-28 11:01:07 发布
最新推荐文章于 2022-07-28 11:01:07 发布
阅读量1.2w 收藏 63
点赞数 12
分类专栏： AI 论文 文章标签： 图神经网络 人工智能 深度学习 graph network
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34361099/article/details/86772602
版权
本文综述了图神经网络（GNNs）的方法和应用，对比了GNN与CNN的区别，探讨了GNN在处理图结构数据的优势。文章分析了GNN的局部连接、权值共享和多层网络特性，并指出其在动态图和新图泛化方面的挑战。GNN的迭代计算过程、训练目标和局限性也得到阐述，包括不同变种如GCN、GAT和Skip Connection的应用。此外，文章还讨论了GNN在结构化、非结构化和其他场景中的广泛应用。
摘要由CSDN通过智能技术生成

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？
    在这里插入图片描述

  • 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
最低0.47元/天 解锁文章
小刀丶
关注
  • 12
    点赞
  • 踩
  • 63
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
图神经网络(Graph Neural Networks) 原理与代码实例讲解
禅与计算机程序设计艺术
06-20 651
图神经网络(Graph Neural Networks) - 原理与代码实例讲解 1.背景介绍 在现代数据科学和机器学习领域，图数据结构的应用越来越广泛。图神经网络（Graph Neural Networks, GNNs）作为一种新兴的深度学习模型
Graph Neural Networks: A Review of Methods and Applications（图神经网络：方法与应用综述）
weixin_41697507的博客
07-06 5301
Graph Neural Networks: A Review of Methods and Applications Jie Zhou , Ganqu Cui , Zhengyan Zhang , Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun Abstract—Lots of learning tasks req...
【论文】Graph Neural Networks: A Review of Methods and Applications
安静
02-25 880
Graph Neural Networks: A Review of Methods and Applications1 Introduction2 Models2.1 Graph Neural Networks2.2 Variants of Graph Neural Networks2.3 General Frameworks3 Applications3.1 Structural Scenar...
2018-arXiv-Graph Neural Networks A Review of Methods and Applications.pdf
09-21
该论文是清华大学2018年的工作，是图神经网络的入门佳物，
《Graph Neural Networks: A Review of Methods and Applications》学习笔记【简略】
智慧的旋风的博客
12-18 537
《Graph Neural Networks: A Review of Methods and Applications》 清华大学的一篇GNN综述，读完之后还蛮有收获的。 个人认为最干货的部分是「2.2.2 Propagation Types」中对各种GNN、GCN模型的介绍了，如果之前读过一些综述了，可以直接跳到这来；第三部分感觉。。哈哈哈，至少现在对我的帮助不大。 此外，《深入浅出图神经网络：GNN原理解析》这本书应该也主要参考了这篇综述，可以看完中文版再过来看英文的。
综述笔记：《Graph Neural Networks:A Review of Methods and Applications》-2019
热门推荐
yyy的技术日常
06-26 1万+
2. 读《Graph Neural Networks:A Review of Methods and Applications》-2019 2.1 基本概念 图神经网络（GNNs）是通过图的节点之间的消息传递来获取图的依赖性的连接模型。与标准的神经网络不同，图神经网络保留了一种能够以任意深度表示其邻域信息的状态。 基于图形卷积网络（GCN）、图形注意网络（GAT）、门控图形神经网络（GGNN）等图形神经网络变体的系统在上述许多任务上都表现出了突破性的性能。 CNN强在{局部连接，权值共享，多层抽象}，CNN
Graph Neural Networks_ A Review of Methods and Applications----清华大学周杰.pdf
09-03
### Graph Neural Networks: A Comprehensive Overview ... Future research should focus on addressing these issues to further advance the field of graph neural networks and their applications.
【GNN综述_2020_6】Graph neural networks: A review of methods and ...
08-30
图神经网络（GNNs）是深度学习领域中一种强大的工具，特别适用于处理包含复杂关系信息的图形数据。GNNs能够捕捉图中节点之间的依赖性，通过节点间的消息传递来学习图的全局特性。这一技术在物理系统建模、分子指纹...
2021 GNN综述文章 A review of methods and applications
09-27
Graph neural networks: A review of methods and applications
【GNN综述_2020_9】Graph Neural Networks: Methods, Applications...
08-31
图神经网络（GNNs）是一种深度学习方法，专门用于处理非欧几里得空间中的数据，特别是图数据。在过去的十年中，深度学习已经极大地推动了计算机视觉、语音识别和自然语言处理等领域的发展，但这些领域主要处理的是...
【GNN综述1-模型与应用】 Graph Neural Networks: A Review of Methods and Applications
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
05-01 3044
转载 纪厚业 近年来，图神经网络的研究成为深度学习领域的热点。近日，清华大学孙茂松组在 arXiv 上发布预印版综述文章Graph Neural Networks: A Review of Methods and Applications。 该文总结了近年来图神经网络领域的经典模型与典型应用，并提出了四个开放性问题。对于希望快速了解这一领域的读者，不妨先从这篇文章看起。 除了这篇综述外，...
Graph Neural Networks: A Review of Methods and Applications(Semantic Segmentation应用解读)
君只见独不见的专栏
05-22 1456
Graph Neural Networks Graph Neural Networks: A Review of Methods and Applications 下载链接：https://arxiv.org/pdf/1812.08434.pdf Application Applications of graph neural networks 语义分割语义分割是图像理解的关键步骤。这里的任务是...
《Graph neural networks A review of methods and applications》笔记
hxhabcd123的博客
07-28 192
本文是记录关于图算法综述文章《Graph neural networks: A review of methods and applications》的阅读笔记
Paper：《Graph Neural Networks: A Review of Methods and Applications—图神经网络:方法与应用综述》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
07-18 8000
Paper：《Graph Neural Networks: A Review of Methods and Applications》翻译与解读 《Graph Neural Networks: A Review of Methods and Applications》翻译与解读 原论文地址：https://arxiv.org/pdf/2007.06559.pdf ...
【论文翻译】Graph Neural Networks: a review of methods and applications 图神经网络综述：方法和应用
qq_36291847的博客
04-22 1529
Graph Neural Networks: a review of methods and applications 文章目录Graph Neural Networks: a review of methods and applications摘要1 引言两个动机2 模型2.1 GNN2.2 GNN变体2.2.1 图类型2.2.2 传播类型2.2.3 训练方法一级标题二级标题三级标题四级标题五级标题六级标题 摘要 大量的学习任务需要处理含有丰富元素间关系信息的图数据。物理系统建模，学习分子指纹，预测蛋白质
图和深度学习-Graph neural networks: A review of methods and applications
带你飞
05-25 241
目录（当前的章节数是对应论文的） 第二章：一个完整的图构建包括哪四步？ 第三-五章：给出了完整图构建的关键步骤，其中蕴含了当前变种的修改点 第六章：一个样例：图应用的样例 第七章：分别从理论和经验角度分析了GNN的当前研究 第八章：引入了结构化场景，非结构场景，以及其他场景的图网络应用。 第九章：给出四个当前的开放领域问题。 第二章->管道分四步 找到合适的图结构 尤其在文本和图像数据中，图结构不容易寻找到。 指定合适的图的类型和规模。 图是有向图还是无向图。也就是边的指向是否是单向的，因为无向
《图神经网络综述》Graph Neural Networks: A Review of Methods and Applications
qing101hua的专栏
09-03 2795
作者：清华大学 zhoujie 等 *表示相同的贡献。周洁，张正艳，程阳，刘志远(通讯作者)，孙茂松，清华大学计算机科学与技术学院，北京100084。电子邮件:fzhoujie18, zhangzhengyan14, cheng- ya14g@mails.tsinhua a.edu.cn, fsms, liuzyg@tsinhua a.edu.cn崔甘曲，清华大学物理系，北京100084。电子邮...
Graph Neural Networks: A Review of Methods and Applications阅读笔记
风行
08-31 442
词汇解释 拉普拉斯矩阵：图的一种表示方式。详细可参考： https://blog.csdn.net/qq_30159015/article/details/83271065 https://zhuanlan.zhihu.com/p/84649941 graph reasoning models(图推理模型) graph Embedding(图嵌入)-它学习用低维向量表示图的节点、边或子图。 相关论文：DeepWalk[17],SkipGram[16],node2vec[18],LINE[19],
graph neural networks: a review of methods and applications
最新发布
03-16
图神经网络：方法和应用综述 图神经网络是一种基于图结构的深度学习模型，它可以对图数据进行建模和预测。本文综述了图神经网络的各种方法和应用，包括图卷积网络、图注意力网络、图自编码器等。这些方法可以用于图...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值