跟着李沐学AI—GNN论文精读 【含研报及视频】
由qxiao创建，最终由qxiao 被浏览 43 用户
研报标题：A Gentle Introduction to Graph Neural Networks
发布时间：2021年
作者：Benjamin Sanchez-Lengeling、Emily Reif、Adam Pearce、Alexander B. Wiltschko
摘要
这篇文章是关于图神经网络的两篇论文之一。看一看理解图上的卷积，了解图像上的卷积如何自然地概括为图上的卷积。
图表无处不在;现实世界中的对象通常是根据它们与其他事物的联系来定义的。一组对象，以及它们之间的联系，很自然地被表示为一个图形。研究人员已经开发了十多年的基于图数据的神经网络(称为图神经网络，或gnn)。最近的发展提高了他们的能力和表达能力。我们开始看到抗菌发现、物理模拟、假新闻检测、流量预测和推荐系统等领域的实际应用。
本文探讨并解释了现代图神经网络。我们把这项工作分成四个部分。首先，我们看看什么样的数据最自然地用图表表达，以及一些常见的例子。其次，我们将探讨图形与其他类型数据的不同之处，以及在使用图形时必须做出的一些专门选择。第三，我们构建一个现代GNN，遍历模型的每个部分，从该领域的历史建模创新开始。我们从一个基本的实现逐渐过渡到一个最先进的GNN模型。第四，也是最后，我们提供了一个GNN游乐场，您可以在这里玩一个真实世界的任务和数据集，以建立一个更强的直觉，了解GNN模型的每个组件如何有助于它做出的预测。
研报原文
https://distill.pub/2021/gnn-intro/
/wiki/static/upload/85/85bc344b-3265-4bf6-935e-1097bfdd6f5b.pdf
视频解读
https://www.bilibili.com/video/BV1iT4y1d7zP/
\