/Learning-about-GNNs

notes about GNNs

图神经网络(Graph Neural Networks, GNNs)

GNNs是专用于处理图数据的神经网络模型。综述 《Graph Neural Networks: A Review of Methods and Applications》将这一技术大致分为三大类：基于半监督的方法：图卷积网络；基于无监督的方法：图自编码器；近期新的研究方法：图循环神经网络和图强化学习。

下面就个人的学习轨迹做一个简单的记录。

1 基于半监督的方法

1.1 图卷积神经网络 (GraphConvolutional Network, GCN)

图卷积神经网络是由Thomas Kpif 在2017年在 Semi-supervised Classification with Graph Convolutional Networks 论文中首次提出。它是一种利用end-to-end训练方法学习Graph Embedding的技术。

Day 1- Day 3:

Type Title Tutorial
Paper Semi-supervised Classification with Graph Convolutional Networks 从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）, 图卷积网络(GCN)新手村完全指南, The Emerging Field of Signal Processing on Graphs
Code https://github.com/tkipf/gcn GCN代码分析
practice https://github.com/tkipf/gcn GCN实践——可视化cora-network
  • 看《Semi-supervised Classification with Graph Convolutional Networks》之前可以先看看对应的tutorial，有助于更好的理解paper。

Day 4:

调研GCN应用相关的论文。因为我自身研究方向是个性化推荐，因此应用论文多为推荐相关。

Type Title Tutorial
Paper Graph Convolutional Neural Networks for Web-Scale Recommender System(KDD'18)
Code
practice