【百度飞桨】图神经网络7日打卡营——学习心得总结（一）

图神经网络7日打卡营——学习笔记（一）

引言

1、课程大纲

2、图学习入门路线

• 基础入门
  • 基础概念
  • 基本原理
• 经典算法复现
  • DeepWalk
  • GCN
  • GAT
  • GraphSAGE
• 前沿论文阅读
  • 顶会论文

3、课程基础

• 数学基础：

  • 高等数学
  • 线性代数
  • 概率与数理统计

• 编程基础：

  • Python：numpy
  • Paddle：https://www.paddlepaddle.org.cn/documentation/docs/zh/beginners_guide/index_cn.html

• 机器学习基础：

  • 神经网络（FC、BPNN）

4、资料推荐

• 理论：

  • 综述
    • Graph Neural Networks: A Review of Methods and Applications https://arxiv.org/pdf/1812.08434.pdf
    • A Comprehensive Survey on Graph Neural Networks https://arxiv.org/abs/1901.00596
  • 视频
    • 理论课：
      • 斯坦福CS224W

• 动手实践：

  • DeepWalk
  • node2vec
  • GCN
  • GAT
  • GraphSAGE

• 进阶：经典论文

  • DeepWalk. " DeepWalk: Online Learning of Social Representations " https://arxiv.org/pdf/1403.6652.pdf
  • GCN. “ Semi-supervised Classification with Graph Convolutional Networks" https://arxiv.org/pdf/1609.02907.pdf
  • GAT. ”Graph Attention Networks" https://arxiv.org/pdf/1710.10903.pdf
  • GraphSAGE. " Inductive Representation Learning on Large Graphs" https://arxiv.org/pdf/1706.02216.pdf
  • https://github.com/thunlp/GNNPapers

• 前沿研究方向：

  • 针对GNN 而言：
    • 图采样技术
    • 邻居聚合
    • 深度图卷积
    • 图预训练