这是一篇开创性论文,首次提出了图神经网络(GNN)的概念和基本框架。这篇论文为处理图结构数据的神经网络模型奠定了基础,为后续GNNs的发展和应用提供了启示和方向,对图神经网络领域产生了深远的影响。 《A Comprehensive Survey on Graph Neural Networks》 被引用次数:5313 该论文深入探讨了图神经网络(GNNs)的发展历程...
单位:牛津大学 & EPFL 论文链接:http://proceedings.mlr.press/v139/kenlay21a.html Highlight: In this paper, we study filter stability and provide a novel and interpretable upper bound on the change of filter output, where the bound is expressed in terms of the endpoint degrees of the deleted ...
简述:论文提出了一种新的简单而鲁棒的图神经网络(GNN)模型EvenNet,该模型在频域中设计并对应于一个偶数多项式图滤波器。通过在空间和频域的理论分析,作者发现忽略奇数跳邻居可以提高GNN的鲁棒性。实验结果表明,EvenNet在泛化同质和异质图方面优于全阶模型,并且在对抗结构攻击时无需引入额外的计算成本,同时在传统的节点...
这些模型通常称为图神经网络,简称 GNNs。 有充分的理由研究图数据。从分子(通过化学键连接的原子图)一直到大脑的连接体结构(通过突触连接的神经元图),图是描述各个组织层次的生物体的通用语言。同样,人类感兴趣的最相关的人工构造,从交通网络(由道路连接的交叉口图)到社交网络(由友谊链接连接的用户图),最好用图来...
最近(其实也就是今天)学姐开始了科(fan)学(qiang)上网,在逛github时候发现了一个宝藏——一位大佬分享的有关乎深度图神经网络的相关论文。 刚好学姐最近也在整理图神经网络的论文给微信上的小伙伴,学姐想大家伙肯定也需要这个就赶紧安排了今天的推文!
另一个是调控网络,它描述了不同基因如何相互作用以增强或抑制某些细胞功能。图神经网络(GNN)可以处理基于图的信息以进行预测。在在 2022 年 3 月 23 日的《Nature Machine Intelligence》的一篇论文中,Xue Jiawei 团队基于全球 30 个城市的城市道路网...
1 GraphSAGE论文简介 此文提出的方法叫GraphSAGE,针对的问题是之前的网络表示学习的transductive,从而提出了一个inductive的GraphSAGE算法。GraphSAGE同时利用节点特征信息和结构信息得到Graph Embedding的映射,相比之前的方法,之前都是保存了映射后的结果,而GraphSAGE保存了生成embedding的映射,可扩展性更强,对于节点分类和链接预...
Kipf 此次公布的博士论文有 178 页,是他博士四年在图神经网络领域研究的一次深度汇总,不仅讨论了图卷积网络,还有图自编码器、结构化世界模型等,值得抽出时间仔细阅读。论文链接:https://pure.uva.nl/ws/files/46900201/Thesis.pdf 机器之心将简要介绍论文内容。大神的博士论文 在这篇论文中,Thomas Kipf 提出...
目前大多数图神经网络GNN在图分类这项任务中,遵循learning to attend这种模式,这能够最大程度学习图数据与标签之间的关系。 但是这种范式使得模型学习到的映射是基于统计相关性的,忽略了数据之间的因果关系,没有区分特征的因果效应和非因果效应,这会导致模型将非因果特征作为捷径特征,将其用来进行预测。
一作Xiao Wang是图挖掘的Rising Star。图神经网络大部分的研究是针对简单同质图设计的。然后,在工业实际场景下,数据往往更加复杂,是包含多种类型节点和边的异质图。例如,电商推荐实际是预测用户-商品之间的边。因此,异质图神经网络更具有实际经济价值。 本文分类梳理了异质图神经网络及表示学习最新的进展,包括模型,...