Graph-based Deep Learning资源汇总
图神经网络(Graph Neural Networks, GNN)是近年来深度学习领域的一个重要研究方向。本文整理了GNN领域的重要资源,包括顶会论文、综述文章、开源工具等,希望能为相关研究者提供参考。
1. 重要会议论文
GNN相关论文主要发表在以下顶级会议:
- 机器学习会议:NeurIPS、ICML、ICLR
- 数据挖掘会议:KDD、ICDM、WSDM
- 人工智能会议:AAAI、IJCAI
- 计算机视觉会议:CVPR、ICCV、ECCV
- 自然语言处理会议:ACL、EMNLP、NAACL
这些会议的GNN相关论文可以在graph-based-deep-learning-literature项目中找到详细整理。
2. 经典论文
GNN领域的一些经典论文包括:
- Semi-Supervised Classification with Graph Convolutional Networks
- Graph Attention Networks
- Inductive Representation Learning on Large Graphs
这些论文奠定了GNN的基础,是入门必读的文献。
3. 综述文章
对GNN进行全面总结的综述文章有:
- A Comprehensive Survey on Graph Neural Networks
- Graph Neural Networks: A Review of Methods and Applications
- Deep Learning on Graphs: A Survey
这些综述可以帮助研究者快速了解GNN的发展脉络和研究前沿。
4. 开源工具
一些常用的GNN开源工具包括:
这些工具可以帮助研究者快速实现GNN模型。
5. 学习资源
一些不错的GNN学习资源:
这些资源可以系统地学习GNN的基础知识。
通过本文整理的资源,希望能为GNN领域的研究者提供全面的参考。随着GNN的快速发展,我们也会持续更新相关资源。欢迎关注graph-based-deep-learning-literature项目获取最新进展。
