【干貨】圖神經(jīng)網(wǎng)絡(luò)的十大學(xué)習(xí)資源分享

數(shù)學(xué)算法俱樂(lè)部

日期：2020年11月17日

正文共：1462字0圖

預(yù)計(jì)閱讀時(shí)間：4分鐘

來(lái)源：新浪

圖神經(jīng)網(wǎng)絡(luò)（GNNs）是深度學(xué)習(xí)的一個(gè)相對(duì)較新的領(lǐng)域，從最近開(kāi)始越來(lái)越流行。Twitter、Google或Facebook等大公司都會(huì)開(kāi)始對(duì)于GNN投入研究，事實(shí)證明了GNN優(yōu)于其他使用圖數(shù)據(jù)的機(jī)器學(xué)習(xí)模型。

由于此領(lǐng)域的發(fā)展非常迅速，GNN背后的知識(shí)還不是那么容易獲得。目前，你可以在互聯(lián)網(wǎng)上以研究論文、文章或博客的形式找到散落在各地的GNN理論。我們?nèi)狈Φ氖且槐綠NN書(shū)籍，或者是一本在線資源匯編，來(lái)幫助人們進(jìn)入了解這個(gè)領(lǐng)域的工作。??

經(jīng)過(guò)一番搜索，我發(fā)現(xiàn)其實(shí)有幾個(gè)相當(dāng)不錯(cuò)的資源，以一種容易理解的方式來(lái)解釋GNN。希望對(duì)這個(gè)領(lǐng)域的新人有所幫助。讓我們開(kāi)始吧!

1.由William L. Hamilton編寫(xiě)的圖表示學(xué)習(xí)書(shū)籍

Graph Representation Learning Book

本書(shū)是改變游戲規(guī)則的書(shū)，目前可以在線下載的預(yù)出版的版本。本書(shū)從圖理論和傳統(tǒng)圖方法等初級(jí)課題開(kāi)始，到前沿GNN模型和最先進(jìn)的GNN研究等高級(jí)課題。本書(shū)設(shè)計(jì)精巧，自成體系，擁有圖神經(jīng)網(wǎng)絡(luò)所需的大部分理論。

2. 斯坦福課程筆記--機(jī)器學(xué)習(xí)與圖

C224W|Home

這是斯坦福大學(xué)專(zhuān)門(mén)研究基于圖的機(jī)器學(xué)習(xí)的課程。它有公開(kāi)的幻燈片，從他們的講座以及推薦閱讀列表。如果你想系統(tǒng)地學(xué)習(xí)一門(mén)結(jié)構(gòu)良好的課程，這將是一個(gè)很好的選擇。

3.由Albert-László Barabási編著的網(wǎng)絡(luò)科學(xué)一書(shū)

Network Science by Albert-László Barabási

這是一本提供在線交互式的書(shū)籍，主要介紹圖和網(wǎng)絡(luò)理論。雖然它沒(méi)有討論GNN，但它是獲得在圖數(shù)據(jù)上操作的堅(jiān)實(shí)基礎(chǔ)的極好資源。

4.Thomas Kipf博客

How powerful are Graph Convolutional Networks?

由GNN領(lǐng)域最著名的研究者之一--Thomas Kipf博士創(chuàng)建的一個(gè)優(yōu)秀博客。在他的文章中，他輕描淡寫(xiě)地介紹了GNN，提供了最新方法的文獻(xiàn)回顧，并討論了他的論文— Semi-Supervised Classification with Graph Convolutional Networks.

5. Michael Bronstein博客

Michael Bronstein — Medium

Michael Bronstein是倫敦帝國(guó)理工學(xué)院的教授，也是Twitter的圖學(xué)習(xí)研究的負(fù)責(zé)人。最近，他開(kāi)始在Towards Data Science發(fā)表文章。他的博客文章主要以數(shù)學(xué)視角關(guān)注GNNs以及該領(lǐng)域的最新發(fā)展。他往往會(huì)引用許多其他關(guān)于GNNs的文章，這可能會(huì)幫助你發(fā)現(xiàn)其他有趣的文章。

6.生命科學(xué)領(lǐng)域的深度學(xué)習(xí)：將深度學(xué)習(xí)應(yīng)用于基因組學(xué)，顯微鏡，藥物發(fā)現(xiàn)等

Deep Learning for the Life Sciences

雖然這里并不完全是關(guān)于GNN的內(nèi)容，但本書(shū)的部分內(nèi)容提供了基于GNN模型的實(shí)際應(yīng)用。它解釋了如何使用生命科學(xué)的深度學(xué)習(xí)庫(kù)--Deepchem將GNNs應(yīng)用于分子數(shù)據(jù)集。它還進(jìn)一步討論了GNNs的不同預(yù)處理方法。

?7.Flawnson Tong博客

Flawnson Tong - Towards Data Science

Flawnson在Medium上發(fā)表了幾篇關(guān)于GNN的介紹性的文章。它們針對(duì)的是那些想對(duì)圖神經(jīng)網(wǎng)絡(luò)背后的理論有基本了解的初學(xué)者。如果你想一窺GNNs是什么，這將是一個(gè)很好的選擇。

8.GNN最近的一些論文集合—Github倉(cāng)庫(kù)

thunlp/GNNPapers

這是一個(gè)近期GNN論文的匯編倉(cāng)庫(kù)，包含了這個(gè)領(lǐng)域已發(fā)表的大部分論文。他們將列表細(xì)分為單獨(dú)的主題，比如我們。如果你正在查找GNNs特定細(xì)分應(yīng)用的論文，這個(gè)倉(cāng)庫(kù)值得一試。

9.圖形神經(jīng)網(wǎng)絡(luò)與代碼

Papers with Code - Papers With Code : Search for graph neural networks

Paperswithcode是一個(gè)大家都很熟悉的網(wǎng)站，它將研究論文與其代碼一起分享。如果你想找到已經(jīng)有代碼實(shí)現(xiàn)的GNN模型，這是一個(gè)不錯(cuò)的地方。

10.圖形神經(jīng)網(wǎng)絡(luò)的綜述

A Comprehensive Survey on Graph Neural Networks

這篇研究論文總結(jié)了GNNs中的大部分的重要發(fā)現(xiàn)，簡(jiǎn)要概述了GNNs背后的歷史，并討論了不同類(lèi)型的GNN架構(gòu)。

雷鋒字幕組是一個(gè)由AI愛(ài)好者組成的翻譯團(tuán)隊(duì)，匯聚五五多位志愿者的力量，分享最新的海外AI資訊，交流關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)轉(zhuǎn)變與技術(shù)創(chuàng)新的見(jiàn)解。

團(tuán)隊(duì)成員有大數(shù)據(jù)專(zhuān)家，算法工程師，圖像處理工程師，產(chǎn)品經(jīng)理，產(chǎn)品運(yùn)營(yíng)，IT咨詢(xún)?nèi)耍谛熒恢驹刚邆儊?lái)自IBM，AVL，Adobe，阿里，百度等知名企業(yè)，北大，清華，港大，中科院，南卡羅萊納大學(xué)，早稻田大學(xué)等海內(nèi)外高校研究所。

如果，你也是位熱愛(ài)分享的AI愛(ài)好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長(zhǎng)。

—?THE END —

?平凡而又神奇的貝葉斯方法

?中科大少年班目前為止出過(guò)多少大牛？

?世界天才大匯總

?法國(guó)數(shù)學(xué)長(zhǎng)盛不衰的歷史淵源

?數(shù)學(xué)簡(jiǎn)史：現(xiàn)代數(shù)學(xué)的五大應(yīng)用

?相對(duì)論的根源