面对500篇 GNN 论文，心态差点儿崩了，幸好我有这本小书

2021 年 5 月 25 日
AI

题图来源 www.freepik.com

作者 | AI科技评论、图灵君

编辑 | 陈大鑫

在2020年，GNN（图神经网络）频繁登上各大会议热词榜，由于图类型数据的普遍存在，图神经网络在各种学科的场景得到应用——诸如计算机视觉、推荐系统、组合优化；甚至药物研发、物理、化学等，且在多个领域都有较大的效果提升。

图机器学习专家 Sergei Ivanov 曾在2020年年末说道：

今年年初，图形神经网络(GNNs)成为一个流行词。作为这一领域的研究人员，我感到非常自豪(至少不感到羞愧) 。但事实并非总是如此: 三年前，当我和同事们交谈时，他们沉迷于GANs 和 Transformers，他们对我印象是，我正在研究一些稀奇古怪的小众问题。但现在看，这个领域已经基本上成熟了， GNN 在很多领域都有了顶级应用。

总结来说，这两年图神经网络火的一匹。

拿深度学习领域的顶级会议ICLR来说，在分析了提交给该大会的论文中的高频词之后发现图神经网络（GNN）赫然排在第4位，仅次于「深度学习」「强化学习」和「表征学习」。

连DeepMind深度学习大佬Petar Veličković都不免感叹：毋庸置疑，GNN现在差不多算是深度学习工具箱中的「一等公民」了！

小伙伴们，还学得动吗？该怎么学呢？

聊到GNN，很多同学入门GNN的方式是读论文，不过现在这方面的论文实在是太多了：「有人在GitHub上总结了一份GNN必读论文清单。你知道里面有多少篇吗？」

根据一份GitHub标星近1.1万清单的不完全统计（//github.com/thunlp/gnnpapers）

综述论文就有14篇，基本模型的论文有92篇，图类型的论文有20篇，计算机视觉相关的有70篇，NLP相关的有56篇，其他的还有近200篇！

好家伙，加起来将近500篇啊！

要学GNN，难道就没有更好的打开方呢？

当然有，AI科技评论与AI研习社今天就给大家推荐一本封皮干干净净的小书。

第一作者竟是知乎大V、NLP学术界赫赫有名的刘知远老师！

刘知远

清华大学计算机科学与技术系副教授、博士生导师、智源人工智能研究院研究员，在自然语言处理、表征学习、知识图谱等人工智能研究领域享有盛誉，目前已经在ACM Transactions、IJCAI、AAAI、ACL和EMNLP等国际期刊与会议上发表了超过90篇论文。2018年入选《麻省理工科技评论》“35岁以下科技创新35人”。

第二作者是谁？

「周界，正是那份GNN必读论文清单的主要维护者。」

周界

清华大学计算机科学与技术系硕士，曾在ACL、KDD等国际会议上发表多篇论文,研究兴趣包括图神经网络和自然语言处理。

另外这本小书是全彩印刷！用的是高档纯质纸，触感极佳。

书籍介绍

本书全面介绍了图神经网络的基本概念、具体模型和实际应用。首先概述阅读本书所需的数学知识和神经网络基础知识，以及图神经网络的基本概念，接着介绍不同种类的图神经网络，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络、以及几个通用框架。这些种类的图神经网络将不同的深度学习技术引入了图结构，例如卷积神经网络、循环神经网络、注意力机制和跳跃连接。

然后本书介绍了图神经网络在不同场景中的应用，如结构化场景（物理学、化学、知识图谱）、非结构化场景（图像和文本）以及其他场景（生成模型和组合优化）。最后，本书列举了相关的数据集、开源平台以及图神经网络的不同实现。

阅读思维导图

来看看这本书的内容结构。