清華大學孫茂松組：圖神經網路必讀論文列表

知識 12-27

機器之心編輯

參與：路

近年來，圖神經網路研究成為深度學習領域的熱點。最近，清華大學朱文武等人綜述了圖網路，清華大學孫茂松組也發布了預印版綜述文章Graph Neural Networks: A Review of Methods and Applications。除此之外，孫茂松組周界、崔淦渠、張正彥同學對 GNN 相關的綜述論文、模型與應用進行了綜述，並發布在 GitHub 上。

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

綜述論文

這部分共介紹了 8 篇論文，包括前面提到的清華大學的兩篇綜述論文。

機器之心介紹過其中的部分論文，參見：

模型

模型部分包括 35 篇論文，包括：

Yoshua Bengio 發表在 ICLR 2018 上的論文《Graph Attention Networks》，該論文提出了基於近鄰節點注意機制的網路架構 GAT，可用於處理複雜、不規則結構的計算圖，並在三種困難的基準測試中得到了業內最佳水平，研究人員稱該模型有望在未來處理任意不規則結構圖。

谷歌發表在 ICLR 2018 上的論文《Graph Partition Neural Networks for Semi-Supervised Classification》，該論文提出了一種圖神經網路的新變體——圖分割神經網路（Graph Partition Neural Network，GPNN），該網路適用於處理大型圖。

清華朱軍等人發表在 ICML 2018 上的論文《Stochastic Training of Graph Convolutional Networks with Variance Reduction》，提出基於控制變數的圖卷積網路（GCN），有效減少感受野大小。

騰訊 AI Lab 發表在 AAAI 2018 上的論文《Adaptive Graph Convolutional Neural Networks》，提出自適應圖卷積神經網路 AGCN，可接受任意圖結構和規模的圖作為輸入。

李佳等人發表在 TOMM 2015 上的論文《CelebrityNet: A Social Network Constructed from Large-Scale Online Celebrity Images》，提出了一種基於圖像的社交網路 CelebrityNet，該網路基於名人照片中編碼的隱性關係構建而成。

KDD 2018 最佳論文《Adversarial Attacks on Neural Networks for Graph Data》，提出了針對圖深度學習模型的對抗攻擊方法，是首個在屬性圖上的對抗攻擊研究；研究者還提出了一種利用增量計算的高效演算法 Nettack。

……

論文列表如下：