图神经网络最近十篇论文，来自KDD、IJCAI、ICML等，附PDF下载

【导读】图神经网络结合了深度神经网络和图/网络结构，可以在图/网络上构建端到端的神经网络，吸引了大量的研究者和工程师的注意。目前，图神经网络的基础理论和工业应用仍在飞速发展。本文介绍最近的十篇图神经网络论文，来自KDD、IJCAI、ICML等。

1.DEMO-Net 具体度图神经网络节点图分类

---

标题：DEMO-Net: Degree-specific Graph Neural Networks for Node and Graph Classification

会议：KDD2019

链接：https://arxiv.org/pdf/1906.02319.pdf

2. 因子图神经网络

---

标题：Factor Graph Neural Network

状态：Preprint. Under review.

链接：https://arxiv.org/pdf/1906.00554.pdf

3. 图神经网络能帮助逻辑推理吗？

---

标题：Can Graph Neural Networks Help Logic Reasoning?

状态：Preprint. Under review.

链接：https://arxiv.org/pdf/1906.02111.pdf

4. 嵌入知识到因子图神经网络进行解释深度学习

---

标题：Incorporating Biological Knowledge with Factor Graph Neural Network for Interpretable Deep Learning

状态：未知

链接：https://arxiv.org/pdf/1906.00537.pdf

5. 跨语言知识图谱对齐

---

标题：Cross-lingual Knowledge Graph Alignment via Graph Matching Neural Network

会议：ACL2019

链接：https://arxiv.org/pdf/1905.11605.pdf

6. 评估节点重要性

---

标题：Estimating Node Importance in Knowledge Graphs Using Graph Neural Networks

会议：KDD2019

链接：https://arxiv.org/pdf/1905.08865.pdf

7. 多精度对偶图神经网络预测实体交互

---

标题：MR-GNN: Multi-Resolution and Dual Graph Neural Network for Predicting Structured Entity Interactions

会议：IJCAI2019

链接：https://arxiv.org/pdf/1905.09558.pdf

8. 图马尔科夫神经网络

---

标题：GMNN: Graph Markov Neural Networks

会议：ICML2019

链接：https://arxiv.org/pdf/1905.06214.pdf

9. 图卷积神经网络的稳定泛化性

---

标题：Stability and Generalization of Graph Convolutional Neural Networks

会议：KDD2019

链接：https://arxiv.org/pdf/1905.01004.pdf

10. 图卷积循环神经网络

---

标题：A Hybrid Traffic Speed Forecasting Approach Integrating Wavelet Transform and Motif-based Graph Convolutional Recurrent Neural Network

状态：未知

链接：https://arxiv.org/ftp/arxiv/papers/1904/1904.06656.pdf

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GNN10” 就可以获取10篇GNN论文的下载链接~

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI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专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程