图表示学习进展到哪了？看这份KDD2021《图表示学习:基础，方法，应用与系统》教程，众大牛讲解，附Slides

图，如社会网络和分子图，是现实世界中无处不在的数据结构。由于它们的普遍存在，从图结构数据中提取有意义的模式以方便下游任务的开展具有重要的研究意义。图表示学习取代了手工设计的特征，它可以学习能够编码关于图的丰富信息的表示。它在节点分类、链路预测、图分类等任务中取得了巨大的成功，近年来受到越来越多的关注。

在本教程中，我们系统地回顾了图表示学习的基础、技术、应用和进展。首先介绍图论和图傅里叶分析的基础。然后介绍了近年来图表示学习的主要成果。具体讨论了六个方面的问题:1)网络嵌入理论与系统;2)图神经网络的基础;3)用于GNN的CogDL工具包;4)可扩展的GNNs,进行6)异构图和异构GNN中的自监督学习。最后，我们将介绍图表示学习的应用，并重点介绍推荐系统。