力荐一本最新的GNN书籍, 领域大牛云集~(附下载方式)

2022 年 1 月 11 日 图与推荐

力荐一本最新的GNN书籍<Graph Neural Networks: Foundations, Frontiers, and Applications>, 基本做GNN比较厉害的大佬全都参与了

从基础, 前沿到应用, 各种围绕GNN展开的研究全都有, 如节点/边/图级别任务, 同质/异质/动态图神经网络, 表示能力, 可解释性, AutoML, CV/NLP/推荐/药物等应用. 目前为止在图神经网络方面最为全面的一本书,希望能帮助大家更快更好的进入图神经网络这个领域。

  小编看了其中部分章节,感觉对GNN的理解更上一层~


开源网站:https://graph-neural-networks.github.io/index.html

懒人可去下面的QQ群文件下载。

内容介绍

本书主要分为3部分: Introduction, Foundations of Graph Neural Networks, 和 Frontiers of Graph Neural Networks.

Part I Introduction

本书将GNN归类到一种学习图表示的方法. 传统的矩阵分解, node2vec是浅层的图表示学习方法.

  • 1 Representation Learning
  • 2 Graph Representation Learning
  • 3 Graph Neural Networks

Part II Foundations of Graph Neural Networks

本部分涵盖了GNN的基本任务, 表示能力(这部分力荐是Pan Li 和 Jure合著的), 大规模问题, 可解释性, 和鲁棒性.

  • 4 Graph Neural Networks for Node Classification
  • 5 The Expressive Power of Graph Neural Networks
  • 6 Graph Neural Networks: Scalability
  • 7 Interpretability in Graph Neural Networks
  • 8 Graph Neural Networks: Adversarial Robustness

Part III Frontiers of Graph Neural Networks

这部分介绍了GNN在多种类型图(同质/异质/动态)上的多种任务(图分类/边预测/图生成/图结构学习等).

  • 9 Graph Neural Networks: Graph Classification
  • 10 Graph Neural Networks: Link Prediction
  • 11 Graph Neural Networks: Graph Generation
  • 12 Graph Neural Networks: Graph Transformation
  • 13 Graph Neural Networks: Graph Matching
  • 14 Graph Neural Networks: Graph Structure Learning
  • 15 Dynamic Graph Neural Networks
  • 16 Heterogeneous Graph Neural Networks
  • 17 Graph Neural Networks: AutoML
  • 18 Graph Neural Networks: Self-supervised Learning

Part IV Broad and Emerging Applications with Graph Neural Networks

这部分就是GNN的应用了.

  • 19 Graph Neural Networks in Modern Recommender Systems .

  • 20 Graph Neural Networks in Computer Vision

  • 21 Graph Neural Networks in Natural Language Processing

  • 22 Graph Neural Networks in Program Analysis

  • 23 Graph Neural Networks in Software Mining

  • 24 GNN-based Biomedical Knowledge Graph Mining in Drug Development

  • 25 Graph Neural Networks in Predicting Protein Function and Interactions

  • 26 Graph Neural Networks in Anomaly Detection 

  • 27 Graph Neural Networks in Urban Intelligence

部分作者介绍

image-20210727152045745
image-20210727152106745
image-20210727152123053
image-20210727152143603


登录查看更多
1

相关内容

神经网络(Neural Networks)是世界上三个最古老的神经建模学会的档案期刊:国际神经网络学会(INNS)、欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。神经网络提供了一个论坛,以发展和培育一个国际社会的学者和实践者感兴趣的所有方面的神经网络和相关方法的计算智能。神经网络欢迎高质量论文的提交,有助于全面的神经网络研究,从行为和大脑建模,学习算法,通过数学和计算分析,系统的工程和技术应用,大量使用神经网络的概念和技术。这一独特而广泛的范围促进了生物和技术研究之间的思想交流,并有助于促进对生物启发的计算智能感兴趣的跨学科社区的发展。因此,神经网络编委会代表的专家领域包括心理学,神经生物学,计算机科学,工程,数学,物理。该杂志发表文章、信件和评论以及给编辑的信件、社论、时事、软件调查和专利信息。文章发表在五个部分之一:认知科学,神经科学,学习系统,数学和计算分析、工程和应用。 官网地址:http://dblp.uni-trier.de/db/journals/nn/
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
【KDD2020】 图神经网络在生物医药领域的应用
专知会员服务
37+阅读 · 2020年11月2日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
76+阅读 · 2020年8月30日
【KDD2020教程】多模态网络表示学习
专知会员服务
129+阅读 · 2020年8月26日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
专知会员服务
118+阅读 · 2020年7月22日
2022最新!3篇GNN领域综述!
图与推荐
11+阅读 · 2022年2月18日
【KDD2020】图神经网络:基础与应用,322页ppt
Graph Neural Network(GNN)最全资源整理分享
深度学习与NLP
339+阅读 · 2019年7月9日
清华大学图神经网络综述:模型与应用
机器之心
74+阅读 · 2018年12月26日
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
21+阅读 · 2009年12月31日
Arxiv
2+阅读 · 2022年4月17日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
56+阅读 · 2021年5月3日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
38+阅读 · 2020年12月2日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
15+阅读 · 2020年2月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
VIP会员
相关VIP内容
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
【KDD2020】 图神经网络在生物医药领域的应用
专知会员服务
37+阅读 · 2020年11月2日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
76+阅读 · 2020年8月30日
【KDD2020教程】多模态网络表示学习
专知会员服务
129+阅读 · 2020年8月26日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
专知会员服务
118+阅读 · 2020年7月22日
相关基金
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年4月30日
国家自然科学基金
21+阅读 · 2009年12月31日
相关论文
Arxiv
2+阅读 · 2022年4月17日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
56+阅读 · 2021年5月3日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
38+阅读 · 2020年12月2日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
15+阅读 · 2020年2月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Top
微信扫码咨询专知VIP会员