Deep learning has been shown successful in a number of domains, ranging from acoustics, images to natural language processing. However, applying deep learning to the ubiquitous graph data is non-trivial because of the unique characteristics of graphs. Recently, a significant amount of research efforts have been devoted to this area, greatly advancing graph analyzing techniques. In this survey, we comprehensively review different kinds of deep learning methods applied to graphs. We divide existing methods into three main categories: semi-supervised methods including Graph Neural Networks and Graph Convolutional Networks, unsupervised methods including Graph Autoencoders, and recent advancements including Graph Recurrent Neural Networks and Graph Reinforcement Learning. We then provide a comprehensive overview of these methods in a systematic manner following their history of developments. We also analyze the differences of these methods and how to composite different architectures. Finally, we briefly outline their applications and discuss potential future directions.

44
下载
关闭预览

相关内容

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
107+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
56+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
10+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
22+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
33+阅读 · 2019年1月3日
Zero-Shot Learning相关资源大列表
专知
49+阅读 · 2019年1月1日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
10+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
16+阅读 · 2018年5月25日
【论文】图上的表示学习综述
机器学习研究会
9+阅读 · 2017年9月24日
A Survey on Bayesian Deep Learning
Arxiv
51+阅读 · 2020年7月2日
Arxiv
37+阅读 · 2020年3月10日
Image Segmentation Using Deep Learning: A Survey
Arxiv
37+阅读 · 2020年1月15日
A Comprehensive Survey on Transfer Learning
Arxiv
104+阅读 · 2019年11月7日
Few-shot Learning: A Survey
Arxiv
344+阅读 · 2019年4月10日
A Comprehensive Survey on Graph Neural Networks
Arxiv
10+阅读 · 2019年3月10日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
69+阅读 · 2018年12月22日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
4+阅读 · 2017年4月12日
小贴士
相关论文
A Survey on Bayesian Deep Learning
Arxiv
51+阅读 · 2020年7月2日
Arxiv
37+阅读 · 2020年3月10日
Image Segmentation Using Deep Learning: A Survey
Arxiv
37+阅读 · 2020年1月15日
A Comprehensive Survey on Transfer Learning
Arxiv
104+阅读 · 2019年11月7日
Few-shot Learning: A Survey
Arxiv
344+阅读 · 2019年4月10日
A Comprehensive Survey on Graph Neural Networks
Arxiv
10+阅读 · 2019年3月10日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
69+阅读 · 2018年12月22日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
4+阅读 · 2017年4月12日
相关VIP内容
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
107+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
56+阅读 · 2019年10月10日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
10+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
22+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
33+阅读 · 2019年1月3日
Zero-Shot Learning相关资源大列表
专知
49+阅读 · 2019年1月1日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
10+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
16+阅读 · 2018年5月25日
【论文】图上的表示学习综述
机器学习研究会
9+阅读 · 2017年9月24日
Top
微信扫码咨询专知VIP会员