【图神经网络综述】图神经网络的方法和应用，清华大学周杰

题目： Graph Neural Networks:A Review of Methods and Applications

简介： 许多学习任务需要处理图形数据，该图形数据包含元素之间的关系信息。对物理系统进行建模，学习分子指纹，预测蛋白质界面以及对疾病进行分类，都需要从图输入中学习模型。在诸如从文本和图像之类的非结构数据中学习的其他领域中，对提取结构的推理，例如句子的依存关系树和图像的场景图，是一个重要的研究课题，它也需要图推理模型。图神经网络（GNN）是连接器模型，可通过在图的节点之间传递消息来捕获图的依赖性。与标准神经网络不同，图神经网络保留一种状态，该状态可以表示来自其邻域的任意深度的信息。尽管已经发现难以训练原始图神经网络来固定点，但是网络体系结构，优化技术和并行计算的最新进展已使他们能够成功学习。近年来，基于图卷积网络（GCN）和门控图神经网络（GGNN）的系统已经在上述许多任务上展示了突破性的性能。在本综述中，我们对现有的图神经网络模型进行了详细的回顾，对应用程序进行了系统分类，并提出了四个未解决的问题，供以后研究。

作者简介： 周杰，教授,清华大学自动化系党委书记，教授，博士生导师。