最新图神经网络论文笔记汇总（附pdf下载）

点击上方，选择星标或置顶，不定期资源大放送！

阅读大概需要15分钟

Follow小博主，每天更新前沿干货

【导读】近年来，图神经网络变得非常火热，每年顶会在该领域内都会出现大量的研究论文，本文为大家提供了一份GNN综述阅读笔记，该笔记涵盖有多篇GNN方面的论文，以及按照论文《The Graph Neural Network Model 》使用pytorch编写的模型代码。（文末提供论文笔记下载和代码汇总）

简介

图神经网络除了能够学习结构化数据(输出数据为图结构数据)之外，还能学习到非结构化数据，比如文本(texts)和图片(images)，并能够在提取出的图结构中进行推理(reasoning)，比如句子的关系依赖树(dependency tree of sentences)和图片的情景图(scene graph of images)，这些都需要图推理模型。

GNN是一种连接模型，通过网络中节点之间的信息传递(message passing)的方式来获取图中的依存关系(dependence of graph)，GNN通过从节点任意深度的邻居来更新该节点状态，这个状态能够表示状态信息。

GNN综述阅读报告结构如下：

传送门，请关注深度学习技术前沿公众号

• 后台回复“GNNNote” 可以获取《图神经网络GNN》综述阅读笔记下载链接

欢迎添加群助手微信，邀请您加入大佬云集-计算机视觉交流群！

???? 长按识别添加，邀请您进群！