图神经网络GNN

最新推荐文章于 2025-11-04 00:04:07 发布
原创 最新推荐文章于 2025-11-04 00:04:07 发布 · 790 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#神经网络 #图神经网络

本文整理了关于图神经网络GNN的优质资源，包括ICLR 2020上的研究文章、中山大学事实检测的应用、图神经网络历史与发展，以及一系列深入讲解GNN的博客。同时，还提供了无监督深度学习和自编码器的相关介绍，帮助读者全面了解图表示学习和深度学习的发展。

综述性文章：

https://zhuanlan.zhihu.com/p/75307407?from_voters_page=true  

ACL 2020 中山大学的一篇 利用图神经网络进行事实检测的文章

https://mp.weixin.qq.com/s/kb_6iYMQd1wwzLlyJa9OgA

 

ICLR 2020 上的图神经网络好文：

https://zhuanlan.zhihu.com/p/137763936

github关于GNN的历史与发展

https://baijiahao.baidu.com/s?id=1639573525184878017&wfr=spider&for=pc

图表示学习（Tencent):

https://blog.youkuaiyun.com/Tencent_TEG/article/details/99788590/

从图到图卷积，解释GNN的一个系列blog，写得很详细：

https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html

 

无监督深度学习主线介绍：

https://www.jianshu.com/p/c0d9adae148d

关于自编码器无监督学习：

https://www.zhihu.com/question/41490383

这篇对深度学习的历史概括写得不错：

https://www.cnblogs.com/jhding/p/5687549.html

GNN图神经网络
chen的博客
03-11 3521
GNN的核心思想是通过迭代的方式聚合邻居节点的表示,从而更新当前节点的表示。每个节点的表示都是基于其自身特征和邻居节点的表示来更新的。总的来说,GNN能够很好地捕捉图结构数据中节点之间的依赖关系,并通过迭代聚合和更新节点表示来学习有效的节点表示,在各种与图相关的任务中表现出色。假设有一个无向图 G=(V, E),其中 V 是节点集合,E 是边集合。其中 N(v) 表示节点 v 的邻居集合,AGG^{(k)} 表示在第 k 层使用的聚合函数。表示该节点在第 k 层的隐藏表示,表示在第 k 层使用的更新函数。
GNN教程：图神经网络基础知识！
zenRRan的博客
11-11 935
Datawhale干货作者：秦州，阿里巴巴，Datawhale成员系列规划本文为GNN教程 【第一章 基础：三剑客】的第一篇文章 【01 基础知识】，下图展示了我们在这一系列的规划，...
深度学习篇---GNN（图神经网络）
最新发布
道阻且长，行则将至。
11-04 1343
图神经网络(GNN)的兴起源于处理非欧几里得数据的需求。相比CNN和RNN只能处理规则数据，GNN擅长分析图结构数据，如社交网络、分子结构等。其核心思想是通过消息传递机制，让节点特征由其自身和邻居共同定义。主要模型包括GCN、GAT等，具有强大表示能力和扩展感知范围的优势。GNN已广泛应用于药物发现、推荐系统等领域，但也面临过度平滑、可扩展性等挑战。GNN的出现标志着AI从处理独立数据迈向理解复杂互联世界的关键一步。
图神经网络 GNN 学习笔记整理汇总 图神经网络 GNN 学习内容笔记记录 关于图神经网络 GNN 的学习笔记梳理 图神经网络 GNN 相关学习笔记汇编 图神经网络 GNN 学习过程笔记总结 图神经网
08-15
图神经网络 GNN 学习笔记整理汇总 图神经网络 GNN 学习内容笔记记录 关于图神经网络 GNN 的学习笔记梳理 图神经网络 GNN 相关学习笔记汇编 图神经网络 GNN 学习过程笔记总结 图神经网络 GNN 系统学习笔记记录 图神经...
详解图神经网络GNN与图卷积神经网络GCN
2301_79797055的博客
08-24 813
图神经网络（GNN）是一种处理图结构数据的深度学习模型。它将图中的节点、边和全局信息表示为向量，并通过多层神经网络进行特征提取和更新。GNN的核心在于信息传递机制，允许节点间通过边交换信息，并利用池化操作聚合信息。典型的GNN架构包含多个GNN块，每个块包含针对节点、边和全局属性的MLP。通过引入主节点实现全局信息共享，GNN能够处理节点分类、边预测和图级任务等不同问题。相比传统神经网络，GNN能更好地保持图的拓扑结构，适用于社交网络、分子结构等图数据场景。
图神经网络 GNN
自闭啦~~
03-02 1706
深度学习4 搬运了国外一篇比较好的博客。
Python-图形神经网络GNN
08-11
**图形神经网络（GNN）概述...总结，Python-图形神经网络GNN是一个强大的工具，能够处理复杂的图数据，尤其在分子科学和网络分析中有广泛应用。通过不断的研究和发展，GNN将继续拓展其在机器学习和数据科学领域的边界。
图神经网络 (GNN)
m0_62307289的博客
11-11 1万+
我们以民国最出名的七角恋人物关系图为例进行讲解，如下图所示：这是一张图，包括人物实体以及人物关系。我们抽象成下面的形式，人物是图的顶点（Vertex）、人物关系是图的边（Edge）。顶点和边都可以附带各自的属性（如：姓名、关系类型等）V：点，每个点都有自己的特征向量（特征举例：邻居点数量、一阶二阶相似度）E：边，每个边都有自己的特征向量（特征举例：边的权重值、边的定义）U：整个图，每个图都有自己的特征向量（特征举例：节点数量、图直径）
图神经网络（GNN）
Major_S的博客
02-10 1690
*图神经网络（GNN）**为图结构数据提供了强大的建模能力，能够通过邻居节点信息传递学习到有效的节点表示。**图卷积网络（GCN）**是GNN中的一种常见架构，应用广泛。GNN的优化包括训练深度网络时的策略，如跳跃连接、批量归一化等。在社交网络分析、推荐系统和药物发现等领域，GNN都展现了巨大的潜力。通过这些课程内容，将能够理解图神经网络的原理和应用，并通过实践掌握如何实现一个图神经网络模型，解决实际问题。
[图神经网络]图神经网络(GNN)
就随便写写....
03-01 1870
图卷积神经网络概述
GNN-图神经网络 Gragh-Neural-Net浅析
cuicuicuicuicuih的博客
04-29 462
为什么我们要使用GNN来做（改进）推荐系统模型？ 由于推荐系统的高实际价值，越来越多的研究人员开始提出基于会话的推荐方案。 基于马尔可夫链的推荐系统：该模型基于用户上一次的行为来预测用户的下一次行为，然而由于强独立性相关假设，该模型的预测结果并不十分准确。 基于循环神经网络（RNN）的推荐系统：相比于传统的推荐问题，基于会话的推荐问题的不同点在于如何利用用户的短期会话交互信息数据来预测用户可能会感...
GNN图神经网络综述
热门推荐
博客
03-13 3万+
什么是GNN GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。当信息在图的节点之间传播时GNN会捕捉到图的独立性。与标准神经网络不同的是，GNN会保持一种状态，这个状态可以代表来源于人为指定的深度上的信息。 图神经网络处理的数据就是图，而图是一种非欧几里得数据。GNN的目标是学习到每个节点的邻居的状态嵌入，这个状态嵌入是向量且可以用来产生输出，例如...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值