图神经网络综述：模型与应用

图神经网络综述：模型与应用(中文5100字,英文PDF)
摘要：许多学习任务需要处理包含元素间丰富关系信息的图形数据。建模物理系统，学习分子指纹，预测蛋白质界面，分类疾病需要一个模型从图形输入中学习。在文本、图像等非结构化数据的学习、抽取结构的推理、句子依赖树和图像场景图等领域，也是一个需要图形推理模型的重要研究课题。图神经网络(Graph Neural Network，GNN)是一种通过消息传递来捕捉图的依赖关系的连接模型。图的节点之间。与标准神经网络不同的是，图神经网络保留的状态可以表示任意深度的邻域信息。虽然已经发现原始GNN是用来训练不动点的，但是网络体系结构、优化技术和并行计算方面的最新进展使我们能够成功地使用它们进行学习。近年来，基于图卷积网络(GCN)和门控图神经网络(GGNN)的系统在上述许多任务上表现出突破性的性能。本文对现有的图神经网络模型进行了详细的综述，对其应用进行了系统的分类，并提出了四个有待进一步研究的问题。
索引项：深度学习，图神经网络