几何图神经网络综述：数据结构、模型与应用
机器学习
2025-06-02 v3
摘要
几何图是一类具有几何特征的特殊图，对建模许多科学问题至关重要。与通用图不同，几何图通常表现出平移、旋转和反射等物理对称性，使得当前的图神经网络（GNNs）难以有效处理它们。为解决这一问题，研究人员提出了多种具备不变性/等变性性质的几何 GNN，以更好地刻画几何图的几何与拓扑结构。鉴于该领域的最新进展，亟需对与几何 GNN 相关的数据结构、模型及应用进行全面综述。本文在必要且简洁的数学预备知识基础上，将几何图形式化为一种数据结构，并从几何消息传递的角度对现有模型提供了统一视角。此外，我们总结了相关应用及数据集，以促进后续的方法开发与实验评估。最后，本文还讨论了几何 GNN 面临的挑战及未来潜在方向。
引用
@article{arxiv.2403.00485,
title = {A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications},
author = {Jiaqi Han and Jiacheng Cen and Liming Wu and Zongzhao Li and Xiangzhe Kong and Rui Jiao and Ziyang Yu and Tingyang Xu and Fandi Wu and Zihe Wang and Hongteng Xu and Zhewei Wei and Deli Zhao and Yang Liu and Yu Rong and Wenbing Huang},
journal= {arXiv preprint arXiv:2403.00485},
year = {2025}
}
备注
The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-025-41426-w}