清华大学孙茂松组：图神经网络必读论文列表

机器之心编辑

参与：路

近年来，

图神经网络

研究成为深度学习领域的热点。最近，清华大学朱文武等人综述了图网络，清华大学孙茂松组也发布了预印版综述文章Graph Neural Networks: A Review of Methods and Applications。除此之外，孙茂松组周界、崔淦渠、张正彦同学对 GNN 相关的综述论文、模型与应用进行了综述，并发布在 GitHub 上。

GitHub 链接：https://github.com/thunlp/GNNPapers

综述论文

这部分共介绍了 8 篇论文，包括前面提到的清华大学的两篇综述论文。

机器之心介绍过其中的部分论文，参见：

模型

模型部分包括 35 篇论文，包括：

Yoshua Bengio 发表在 ICLR 2018 上的论文《Graph Attention Networks》，该论文提出了基于近邻节点注意机制的网络架构 GAT，可用于处理复杂、不规则结构的计算图，并在三种困难的基准测试中得到了业内最佳水平，研究人员称该模型有望在未来处理任意不规则结构图。

谷歌发表在 ICLR 2018 上的论文《Graph Partition Neural Networks for Semi-Supervised Classification》，该论文提出了一种图神经网络的新变体——图分割神经网络（Graph Partition Neural Network，GPNN），该网络适用于处理大型图。

清华朱军等人发表在 ICML 2018 上的论文《Stochastic Training of Graph Convolutional Networks with Variance Reduction》，提出基于控制变量的图卷积网络（GCN），有效减少感受野大小。

腾讯 AI Lab 发表在 AAAI 2018 上的论文《Adaptive Graph Convolutional Neural Networks》，提出自适应图卷积神经网络 AGCN，可接受任意图结构和规模的图作为输入。

李佳等人发表在 TOMM 2015 上的论文《CelebrityNet: A Social Network Constructed from Large-Scale Online Celebrity Images》，提出了一种基于图像的社交网络 CelebrityNet，该网络基于名人照片中编码的隐性关系构建而成。

KDD 2018 最佳论文《Adversarial Attacks on Neural Networks for Graph Data》，提出了针对图深度学习模型的对抗攻击方法，是首个在属性图上的对抗攻击研究；研究者还提出了一种利用增量计算的高效算法 Nettack。

……

论文列表如下：

应用

应用部分有 86 篇论文，包括：

论文列表如下：

本文为机器之心编辑，转载请联系本公众号获得授权。

------------------------------------------------