用于小图与巨型网络表示学习的图神经网络：综述

Jiawei Zhang

用于小图与巨型网络表示学习的图神经网络：综述

机器学习 2019-09-30 v1 神经与进化计算机器学习

作者: Jiawei Zhang

摘要

图神经网络特指为图数据上的表示学习任务而引入的一类神经网络模型。图神经网络已被证明能有效捕捉网络结构信息，且学习到的表示在节点与图分类任务上可达到最先进的性能。除应用场景不同外，图神经网络模型的架构也在很大程度上取决于所研究的图类型。研究中涉及的图数据一般可分为两大类，即小图与巨型网络，它们在规模、实例数量和标签标注上差异很大。已有若干不同类型的图神经网络模型被提出用于从此类不同图类型中学习表示。本文针对这两类不同的图数据，介绍近年来提出的图神经网络。具体而言，本文介绍的图神经网络包括 IsoNN、SDBN、LF&ER、GCN、GAT、DifNN、GNL、GraphSage 和 seGEN。在这些图神经网络模型中，IsoNN、SDBN 和 LF&ER 最初针对小图提出，其余则最初针对巨型网络提出。建议读者在阅读本教程性论文时参考这些论文以获取详细信息。

关键词

图神经网络表示学习小图巨型网络节点分类图分类深度学习

引用

@article{arxiv.1908.00187,
  title  = {Graph Neural Networks for Small Graph and Giant Network Representation Learning: An Overview},
  author = {Jiawei Zhang},
  journal= {arXiv preprint arXiv:1908.00187},
  year   = {2019}
}

备注

30 pages. arXiv admin note: text overlap with arXiv:1908.00187

用于小图与巨型网络表示学习的图神经网络：综述

摘要

关键词

引用

备注

相关论文