PAMI-2021：5篇顶级GNN论文

PAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence），IEEE模式分析与机器智能汇刊，简称PAMI，是IEEE最重要的学术性汇刊之一。事实上，PAMI有着超高的影响因子（17.730）和排名，被誉为SCI之王。与顶级会议相比，顶级期刊的评议过程更为严格，特别重视工作的创新性和完整性，录取难度和门槛很高。

本期小编挑选了5篇PAMI2021中关于GNN的论文（附论文下载地址）分享给大家~ 包括图池化，ARMA滤波的GNN，GNN的Inductive-Transductive预测， GNN在多标签中的应用和GNN中的受限传播~

论文清单

1. Topology-Aware Graph Pooling Networks

2. Graph Neural Networks with Convolutional ARMA Filters

3. On Inductive-Transductive Learning with Graph Neural Networks

4. Learning Graph Convolutional Networks for Multi-Label Recognition and Applications

5. Deep Constraint-based Propagation in Graph Neural Networks

1 Topology-Aware Graph Pooling Networks

（论文下载地址：https://arxiv.org/abs/2010.09834）

image-20210512143221750

池化操作在计算机视觉和自然语言处理任务中已显示出其有效性。但由于图上没有很好的定义局部性，在图数据上执行池化操作是一个具有挑战性的任务。先前的研究使用全局排名方法对一些重要节点进行采样，但是