Graph Neural Network Review

來自專欄演算法人生10 人贊了文章

圖(graph)是一個非常常用的數據結構，現實世界中很多很多任務可以描述為圖問題，比如社交網路，蛋白體結構，交通路網數據，以及很火的知識圖譜等，甚至規則網格結構數據(如圖像，視頻等)也是圖數據的一種特殊形式，因此圖是一個很值得研究的領域。

針對graph的研究可以分為三類：

1.經典的graph演算法，如生成樹演算法，最短路演算法，複雜一點的二分圖匹配，費用流問題等等；

2.概率圖模型，將條件概率表達為圖結構，並進一步挖掘，典型的有條件隨機場等

3.圖神經網路，研究圖結構數據挖掘的問題，典型的有graph embedding，graph CNN等

本文主要針對圖神經網路，介紹一些最近幾年該領域的一些研究進展。由於應用很廣泛(主要是社交網路發展和知識圖譜的推動)，以及受到深度學習在其他領域成功的啟示，這個方向是目前機器學習領域最火的方向之一了，今年kdd2018中31篇tutorials裡面有9篇是關於graph的，bestpaper也是關於graph的，論文名字叫做：adversarial attacks onclassification models for graphs. 可見學術界和工業界的熱情。

本文首先介紹graph Embedding，為結構化的graph生成分散式表示；然後介紹graph convolutional network(圖卷積)，最後簡單介紹基於圖的序列建模。

【需要pdf的同學可以發郵件給我】

推薦閱讀：

相關文章