2022年最新3篇GNN领域综述！

嘿，记得给“机器学习与推荐算法”添加星标

---

本文分享3篇关于图神经网络（GNN）的相关综述：

第1篇是对联邦图神经网络的调研，将目前的工作根据三层分类法进行了划分，即根据数据的原始存在形式、联邦学习的常规设置进行了分类介绍；

第2篇文献则是对几何等变图神经网络的调研，其根据GNN中的消息传递和聚合方式将现有的方法分为三类进行介绍；

第3篇文献则是对异质图神经网络的调研。

1. Federated Graph Neural Networks: Overview, Techniques and Challenges.

论文地址：https://arxiv.org/pdf/2202.07256

摘要：

图神经网络在实际应用中具有强大的数据处理能力，因此受到了广泛的关注。然而，随着社会越来越关注数据隐私，GNN面临着适应这种新常态的需要。这导致了近年来联邦图神经网络(Federated Graph Neural Network，简称FedGNNs)研究的迅速发展。尽管这一跨学科领域前景广阔，但对感兴趣的研究人员来说具有很高的挑战性。在这个话题上缺乏有见地的调研只会加剧这个问题。

在这篇论文