图神经网络（GNN）过去、现在、应用和未来最新研究进展分享

来源：深度学习与NLP

    GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。当信息在图的节点之间传播时GNN会捕捉到图的独立性。

    图神经网络可以简单分为5类：图卷积网络（Graph Convolution Networks，GCN）、 图注意力网络（Graph Attention Networks）、图自编码器（ Graph Autoencoders）、图生成网络（ Graph Generative Networks） 和图时空网络（Graph Spatial-temporal Networks）。

    图神经网络功能强大，那它到底是个什么样的模型呢？经历了怎么样的发展过程？目前应用于哪些场景呢？2019年刚刚过去一个月多，在崭新的的2020年，图神经网络GNN又有哪些崭新的发展可能呢？分享一个AAAI2020详细讲解GNN的ppt，很好的回答了这些问题。

    文末附330页ppt完整本下载链接。

请在公众号中回复”GNN“获取完整PPT