【大综解读】A Comprehensive Survey on Graph Neural Networks
本文主要贡献 新的分类模式：我们提出了一种新的图神经网络分类法。图神经网络分为四类：递归图神经网络、卷积图神经网络、图自动编码器和时空图神经网络。 全面的论述：我们提供了图形数据的现代深度 ...
原文：Exploiting Edge Features in Graph Neural Networks
介绍 现如今图神经网络取得了很大进展，最典型的两个模型是GCN模型和GAT模型，然而现有的图神经模型仍然存在以下两个问题： 边特征未被有效考虑。比如GAT只考虑两个节点之间是否有边 binary indicator ，GCN的边特征只能是一个实数 one dimensional real value ，通常表示权重 GAT和GCN在每一层都基于最开始输入的邻接矩阵进行节点特征过滤，而原始的邻接矩阵 ...
2020-03-11 10:10 0 799 推荐指数：
相关推荐
Graph Neural Networks：谱域图卷积
以下学习内容参考了：🔗1，🔗2， 0、首先回忆CNN，卷积神经网络的结构和特点 处理的数据特征：具有规则的空间结构（Euclidean domains），都可以采用一维或者二维的矩阵描述。（Convolutional neural network (CNN) gains great ...
论文笔记：（2019）GAPNet: Graph Attention based Point Neural Network for Exploiting Local Feature of Point Cloud
目录 摘要 一、引言 二、相关工作 基于体素网格的特征学习 直接从非结构化点云中学习特征 从多视图模型中学习特征 几何深度学习的 ...
图神经网络（Graph Neural Networks，GNN）综述
https://zhuanlan.zhihu.com/p/75307407 本篇文章是我在2019年8月阅读完论文“Wu, Zonghan , et al. "A Comprehensive Survey on Graph Neural Networks." (2019).“”后的翻译与笔记 ...
SR-GNN_Session-based Recommendation with Graph Neural Networks
pdf:Session-based Recommendation with Graph Neural Networks(SR-GNN) 参考博客:https://sxkdz.github.io/research/SR-GNN/ 摘要 基于会话的推荐问题旨在预测基于匿名会话 ...
论文解读（GIN）《How Powerful are Graph Neural Networks》
论文信息 论文标题：How Powerful are Graph Neural Networks论文作者：Keyulu Xu, Weihua Hu, J. Leskovec, S. Jegelka论文来源：2019, ICLR论文地址：download 论文代码：download ...
《Graph Neural Networks: A Review of Methods and Applications》阅读笔记
本文是对文献 《Graph Neural Networks: A Review of Methods and Applications》 的内容总结，详细内容请参照原文。 引言 大量的学习任务都要求能处理包含丰富的元素间关联关系的图数据，例如物理系统建模、疾病分类以及文本和图像等非 ...
图神经网络GNN-Graph Neural Networks: A Review of Methods and Applications
转载机器之心的博客：清华大学图神经网络综述：模型与应用，这里仅当个人学习使用； 清华大学孙茂松组整理的很多有关GNN的Paper可以参考：（https://github.com/thunlp/ ...