GNN4NLP：图深度学习 > 兴趣点建模 > 知识图谱表示 > 知识图谱推理

深度学习模型是当今人工智能研究的核心。众所周知，对欧几里得数据（例如图像）和序列数据（例如文本）具有颠覆性学习能力的深度学习技术不能直接适用于图结构数据。这种差距推动了图深度学习研究的浪潮。近年来，已经开发了大量基于图结构数据的神经网络架构，这些架构已经成功应用于社交网络、计算机视觉，自然语言处理，推荐系统，智能风控，智能交通和生物计算学等领域，并取得了显着的性能提升。这波图论与深度学习交叉的研究浪潮也影响了其他科学领域，包括计算机视觉、自然语言处理、归纳逻辑编程、程序合成与分析、自动化规划、强化学习和网络安全。尽管图上的深度学习已经引起了极大的关注，但将其应用于其他领域时仍面临许多挑战，包括从方法论的合理性到实际商业业务表现。  

接下来，我们将从图深度学习>兴趣点建模>知识图谱表示>知识图谱推理，来为大家带来图在NLP领域的实践应用。

2021年10月10日 ，DataFunSummit： 图机器学习 在线峰会将如约而至。其中由来自 蒙特利尔大学 的博士生 瞿锰 出品的NLP与图论坛，将邀请来自 京东硅谷研究院 的 郭晓洁 老师、 蒙特利尔大学 的 刘邦 老师及 百度 的 方泽阳 老师， 从图在NLP领域应用的角度出发，和大家一起探讨交流如何将图应用于NLP领域，并展示目前的一些最新进展，本次分享将全程直播。

稍后，我们将为大家对本次论坛，做详细介绍，感兴趣的小伙伴可以先识别二维码，免费注册报名，入群收看：

▌论坛日程

▌详细介绍

▌峰会报名

本次峰会将全程直播，欢迎大家识别二维码，免费注册报名：

10月10日，我们不见不散～