【斯坦福大学Jure Leskovec】图神经网络GNN研究进展：表达性、预训练、OGB，71页ppt

【导读】图神经网络依然是研究焦点之一。最近在WWW2020的DL4G@WWW2020论坛，斯坦福大学Jure Leskovec副教授介绍了图神经网络研究最新进展，包括GNN表现力、预训练和公开图神经网络基准等。值得关注。

近年来，深度学习领域关于图神经网络（Graph Neural Networks，GNN）的研究热情日益高涨，图网络已经成为各大深度学习顶会的研究热点。GNN 处理非结构化数据时的出色能力使其在网络数据分析、推荐系统、物理建模、自然语言处理和图上的组合优化问题方面都取得了新的突破。但是，大部分的图网络框架的建立都是基于研究者的先验或启发性知识，缺少清晰的理论支撑。

https://www.aminer.cn/dl4g_www2020

Jure Leskovec

图网络领域的大牛Jure Leskovec，是斯坦福大学计算机学院的副教授，也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。在谷歌学术搜索（Google Scholar）上，Jure拥有接近4.5万的论文引用数量，H指数为84。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GNN71” 就可以获取《【斯坦福大学Jure Leskovec】图神经网络GNN研究进展：表达性、预训练、OGB，71页ppt》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源