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
展开全文
微信扫码咨询专知VIP会员