【导读】ICLR2020论文收到2594篇论文提交,有687篇被接受,接受率为26.5%。在关于图机器学习方面,Sergei Ivanov整理了关于图机器学习方面的高分论文,有49篇关于图机器学习论文,专知进一步整理了论文阅读欢迎查看!

总共有152篇论文在题目中包含了一个“Graph”,其中有49篇论文被接受。所有图表论文的平均评分是4.5,而被接受的论文的平均评分是6.3。

1 图神经网络的逻辑表达性 The Logical Expressiveness of Graph Neural Networks

Pablo Barceló, Egor V. Kostylev, Mikael Monet, Jorge Pérez, Juan Reutter, Juan Pablo Silva

代码地址:

https://anonymous.4open.science/r/787222e2-ad5e-4810-a788-e80f0fe7eff0/

论文地址:

https://openreview.net/forum?id=r1lZ7AEKvB

本文重点研究了图神经网络的表达特性。审稿人对作者充分且一致地回答了他们的问题表示满意,认为这是一篇应该被接受的强有力的论文

2 Hyper-SAGNN:一种基于自注意力的超图神经网络 Hyper-SAGNN: a self-attention based graph neural network for hypergraphs

Ruochi Zhang, Yuesong Zou, Jian Ma

代码地址:

https://drive.google.com/drive/folders/1kIOc4SlAJllUJsrr2OnZ4izIQIw2JexU?usp=sharing

论文地址:

https://openreview.net/forum?id=ryeHuJBtPH

本文介绍了一种新的神经网络模型,该模型可以表示可变尺寸的超边缘,并通过实验证明了该模型在一些问题上可以改进或匹配目前的技术水平。

  1. 论节点嵌入与结构图表示的等价性,On the Equivalence between Node Embeddings and Structural Graph Representations

Balasubramaniam Srinivasan, Bruno Ribeiro

论文地址:

https://openreview.net/forum?id=SJxzFySKwH

本文给出了节点嵌入与结构图表示之间的关系。通过对结构节点表示的含义和节点嵌入的含义的仔细定义,利用置换群,作者在定理2中证明了节点嵌入不能表示结构表示中没有的任何额外信息。然后,本文对三个任务进行了实证实验,并在第四个任务中对理论结果进行了说明。

  1. LambdaNet:使用图神经网络的概率类型推断,LambdaNet: Probabilistic Type Inference using Graph Neural Networks

Jiayi Wei, Maruth Goyal, Greg Durrett, Isil Dillig

论文地址:

https://openreview.net/forum?id=Hkx6hANtwH

本文提出了一种基于图神经网络的动态语言类型推理方法。Reviewer(以及区域主席)喜欢GNNs在实际问题、演示和结果中的这种新颖而有用的应用。明确的接受。

  1. 定向消息传递分子图,Directional Message Passing for Molecular Graphs

Johannes Klicpera, Janek Groß, Stephan Günnemann

论文地址:

https://openreview.net/forum?id=B1eWbxStPH

本文研究了量子化学的图神经网络,在此基础上加入了一些物理方面的创新。特别地,它在保持等方差的同时考虑方向边缘信息。

成为VIP会员查看完整内容
60

相关内容

ICLR,全称为「International Conference on Learning Representations」(国际学习表征会议),2013 年才刚刚成立了第一届。这个一年一度的会议虽然今年才办到第五届,但已经被学术研究者们广泛认可,被认为「深度学习的顶级会议」。 ICLR由位列深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办。 ICLR 希望能为深度学习提供一个专业化的交流平台。但实际上 ICLR 不同于其它国际会议,得到好评的真正原因,并不只是他们二位所自带的名人光环,而在于它推行的 Open Review 评审制度。
2020图机器学习GNN的四大研究趋势,21篇论文下载
专知会员服务
135+阅读 · 2020年2月10日
AAAI2020接受论文列表,1591篇论文目录全集
专知会员服务
98+阅读 · 2020年1月12日
【ICLR2020】五篇Open代码的GNN论文
专知会员服务
47+阅读 · 2019年10月2日
2020年,图机器学习将走向何方?
机器之心
5+阅读 · 2020年2月16日
NeurIPS2019机器学习顶会接受论文列表!
专知
28+阅读 · 2019年9月6日
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
Arxiv
33+阅读 · 2020年1月2日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
Arxiv
7+阅读 · 2018年8月21日
Arxiv
8+阅读 · 2018年5月24日
VIP会员
相关VIP内容
2020图机器学习GNN的四大研究趋势,21篇论文下载
专知会员服务
135+阅读 · 2020年2月10日
AAAI2020接受论文列表,1591篇论文目录全集
专知会员服务
98+阅读 · 2020年1月12日
【ICLR2020】五篇Open代码的GNN论文
专知会员服务
47+阅读 · 2019年10月2日
微信扫码咨询专知VIP会员