Graph Neural Network Review

图(graph)是一个非常常用的数据结构,现实世界中很多很多任务可以描述为图问题,比如社交网络,蛋白体结构,交通路网数据,以及很火的知识图谱等,甚至规则网格结构数据(如图像,视频等)也是图数据的一种特殊形式,因此图是一个很值得研究的领域。

针对graph的研究可以分为三类:

1.经典的graph算法,如生成树算法,最短路算法,复杂一点的二分图匹配,费用流问题等等;

2.概率图模型,将条件概率表达为图结构,并进一步挖掘,典型的有条件随机场等

3.图神经网络,研究图结构数据挖掘的问题,典型的有graph embedding,graph CNN等

本文主要针对图神经网络,介绍一些最近几年该领域的一些研究进展。由于应用很广泛(主要是社交网络发展和知识图谱的推动),以及受到深度学习在其他领域成功的启示,这个方向是目前机器学习领域最火的方向之一了,今年kdd2018中31篇tutorials里面有9篇是关于graph的,bestpaper也是关于graph的,论文名字叫做:adversarial attacks onclassification models for graphs. 可见学术界和工业界的热情。

本文首先介绍graph Embedding,为结构化的graph生成分布式表示;然后介绍graph convolutional network(图卷积),最后简单介绍基于图的序列建模。


作者:TaylorWuDD
链接:https://www.jianshu.com/p/f90e7bf2c26e
 

你可能感兴趣的:(图计算)