4篇建议收藏的图神经网络综述论文

本文主要介绍了2021年最新的图神经网络综述，是入坑的最佳材料。

 

图神经网络已经成为深度学习领域最炙手可热的方向之一了，也是各大互联网公司非常欢迎的方向。

 

本文来自图挖掘大牛Philip S. Yu老师和在异质图领域深耕的北邮Chuan Shi教授。一作Xiao Wang是图挖掘的Rising Star。图神经网络大部分的研究是针对简单同质图设计的。然后，在工业实际场景下，数据往往更加复杂，是包含多种类型节点和边的异质图。例如，电商推荐实际是预测用户-商品之间的边。因此，异质图神经网络更具有实际经济价值。

本文分类梳理了异质图神经网络及表示学习最新的进展，包括模型，应用及相关的资源(数据&代码)。非常值得一看~

本文来自图挖掘大牛Philip S. Yu老师和学术新秀 Shirui Pan，主要介绍了图上自监督学习的最新进展。自监督学习这1，2年非常火，当然也免不了蔓延到图神经网络领域。例如，图神经网络预训练模型基本都是采用自监督训练的。

 

image-20210302115026004

image-20210302115128408

图神经网络与元学习结合的相关模型及应用。图神经网络经过这几年的发展，已经逐渐进入了深水区。一些研究者便将其与多种传统技术如元学习结合，弯道超车，也发了一些顶会论文。

本文来自清华大学朱文武团队。与传统深度学习算法类似，图深度学习(包括图表示学习和图神经网络)也不可避免的需要调整大量超参数。AutoML可以实现自动超参数搜索，本文则是集中梳理了图上的自动机器学习技术。

 

原文标题：【2021最新】4篇图神经网络综述论文，建议收藏！

文章出处：【微信公众号：深度学习自然语言处理】欢迎添加关注！文章转载请注明出处。

责任编辑：haq