图神经网络(GNN)过去、现在、应用和未来最新研究进展分享

来源:深度学习与NLP

    GNN是Graph Neural Network的简称,是用于学习包含大量连接的图的联结主义模型。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能,使得与图分析相关的研究领域取得了突破。当信息在图的节点之间传播时GNN会捕捉到图的独立性。

    图神经网络可以简单分为5类:图卷积网络(Graph Convolution Networks,GCN)、 图注意力网络(Graph Attention Networks)、图自编码器( Graph Autoencoders)、图生成网络( Graph Generative Networks) 和图时空网络(Graph Spatial-temporal Networks)。

    图神经网络功能强大,那它到底是个什么样的模型呢?经历了怎么样的发展过程?目前应用于哪些场景呢?2019年刚刚过去一个月多,在崭新的的2020年,图神经网络GNN又有哪些崭新的发展可能呢?分享一个AAAI2020详细讲解GNN的ppt,很好的回答了这些问题。

    文末附330页ppt完整本下载链接。

请在公众号中回复”GNN“获取完整PPT

你可能感兴趣的:(网络,人工智能,编程语言,css,区块链)