[2021最新] 4篇图神经网络综述论文,建议收藏!

  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。

[2021最新] 4篇图神经网络综述论文,建议收藏!_第1张图片

  

    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。[2021最新] 4篇图神经网络综述论文,建议收藏!_第2张图片

A Survey on Heterogeneous Graph Embedding

[2021最新] 4篇图神经网络综述论文,建议收藏!_第3张图片

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~

[2021最新] 4篇图神经网络综述论文,建议收藏!_第4张图片 [2021最新] 4篇图神经网络综述论文,建议收藏!_第5张图片

论文链接:http://shichuan.org/doc/95.pdf

Graph Self-Supervised Learning: A Survey

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。

[2021最新] 4篇图神经网络综述论文,建议收藏!_第6张图片 image-20210302115026004 [2021最新] 4篇图神经网络综述论文,建议收藏!_第7张图片 image-20210302115128408 [2021最新] 4篇图神经网络综述论文,建议收藏!_第8张图片

论文链接:https://arxiv.org/pdf/2103.00111.pdf

Meta-Learning with GNNs:Methods&Applications

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。

[2021最新] 4篇图神经网络综述论文,建议收藏!_第9张图片 [2021最新] 4篇图神经网络综述论文,建议收藏!_第10张图片 [2021最新] 4篇图神经网络综述论文,建议收藏!_第11张图片

论文链接:https://arxiv.org/pdf/2103.00137.pdf

Automated Machine Learning on Graphs: A Survey

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。

[2021最新] 4篇图神经网络综述论文,建议收藏!_第12张图片 [2021最新] 4篇图神经网络综述论文,建议收藏!_第13张图片

论文链接:https://arxiv.org/pdf/2103.00742.pdf

你可能感兴趣的:(神经网络,人工智能,机器学习,深度学习,大数据)