图神经网络前沿

第 1 章 概述 1 1.1 基本概念 1 1.1.1 图的定义和属性 1 1.1.2 复杂图 3 1.1.3 图上的计算任务 5 1.2 图神经网络的发展 6 1.2.1 图表示学习的历史 6 1.2.2 图神经网络的前沿 7 1.3 本书的组织结构 8 第 2 章 基础图神经网络 10 2.1 引言 10 2.2 图卷积网络 11 2.2.1 概述 11 2.2.2 GCN 模型 12 2.3 归纳式图卷积网络 13 2.3.1 概述 14 2.3.2 GraphSAGE 模型 14 2.4 图注意力网络 16 2.4.1 概述 17 2.4.2 GAT 模型 17 2.5 异质图注意力网络 19 2.5.1 概述 19 2.5.2 HAN 模型 19 第 3 章 同质图神经网络 23 3.1 引言 23 3.2 自适应多通道图卷积网络 24 3.2.1 概述 24 3.2.2 实验观察 24 3.2.3 AM-GCN 模型 25 3.2.4 实验 30 3.3 融合高低频信息的图卷积网络 32 3.3.1 概述 32 3.3.2 实验观察 32 3.3.3 FAGCN 模型 33 3.3.4 实验 35 3.4 图结构估计神经网络 37 3.4.1 概述 37 3.4.2 GEM 模型 37 3.4.3 实验 43 3.5 基于统一优化框架的图神经网络 44 3.5.1 概述 44 3.5.2 预备知识 45 3.5.3 GNN-LF/HF 模型 46 3.5.4 实验 50 3.6 本章小结 51 3.7 扩展阅读 51 第 4 章 异质图神经网络 53 4.1 引言 53 4.2 异质图传播网络54 4.2.1 概述 54 4.2.2 HPN 模型 55 4.2.3 实验 58 4.3 基于距离编码的异质图神经网络 60 4.3.1 概述 60 4.3.2 DHN 模型 61 4.3.3 实验 64 4.4 基于协同对比学习的自监督异质图神经网络 66 4.4.1 概述 66 4.4.2 HeCo 模型 66 4.4.3 实验 71 4.5 本章小结 73 4.6 扩展阅读 74 第 5 章 动态图神经