銅靈 發(fā)自 凹非寺
量子位 出品 | 公眾號 QbitAI
一份圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)資源，在推特上發(fā)出后反響強(qiáng)烈，超過800人為其點(diǎn)贊，不少網(wǎng)友在評論區(qū)表示感謝送出“好人卡”。
這份資源名為Literature of Deep Learning for Graphs（圖深度學(xué)習(xí)文獻(xiàn)），顧名思義里面整理了大量圖深度學(xué)習(xí)論文，大多數(shù)都被頂會收錄，數(shù)量有上百篇。
這些論文包含從節(jié)點(diǎn)表示學(xué)習(xí)到圖嵌入再到圖神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，從易到難，是一份容易上手的全方位資源。
一份暑期必備的圖神經(jīng)網(wǎng)絡(luò)優(yōu)質(zhì)資源，走過路過不容錯過了。
內(nèi)容豐富
這份圖神經(jīng)網(wǎng)絡(luò)文獻(xiàn)共分為8個部分，從節(jié)點(diǎn)表示學(xué)習(xí)開始層層遞進(jìn)，一直講到圖標(biāo)是學(xué)習(xí)系統(tǒng)和相關(guān)數(shù)據(jù)集為止。
這8個部分分別為：
- 節(jié)點(diǎn)表示學(xué)習(xí)
- 圖嵌入知識
- 圖神經(jīng)網(wǎng)絡(luò)
- 圖神經(jīng)網(wǎng)絡(luò)的應(yīng)用
- 圖形生成
- 圖形布局和高維數(shù)據(jù)可視化
- 圖表示學(xué)習(xí)系統(tǒng)
- 數(shù)據(jù)集
如果想了解圖深度學(xué)習(xí)，這8個分類可以成為指導(dǎo)自己進(jìn)一步找資料攻克的大方向。
除了8個大方向外，部分章節(jié)又進(jìn)行了細(xì)分，比如在應(yīng)用章節(jié)，又分成了NLP、計算機(jī)視覺、推薦系統(tǒng)、鏈接預(yù)測、影響預(yù)測、神經(jīng)架構(gòu)搜索、強(qiáng)化學(xué)習(xí)等方向。
而這份資源的最閃亮的地方，就是將這些不同方向已經(jīng)發(fā)表的論文進(jìn)行了整理，分門別類得放上了論文的標(biāo)題、作者、關(guān)鍵詞和地址鏈接。
這些大多是已經(jīng)發(fā)表在各種競賽和頂會上的高影響力論文，畫風(fēng)是這樣的：
這樣的：
這樣的：
整理數(shù)百篇土深度學(xué)習(xí)的論文還分成不同的類別，肯定下了不少工夫。
華人作者
這份資源出自華人之手，蒙特利爾高等商學(xué)院的助理教授唐建和他的學(xué)生們。
其個人網(wǎng)站上顯示，唐建是深度學(xué)習(xí)大牛Yoshua Bengio教授領(lǐng)導(dǎo)的MILA深度學(xué)習(xí)小組的成員之一，關(guān)注深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、自然語言理解和推理、藥物發(fā)現(xiàn)和推薦系統(tǒng)幾個方面。
唐建在北京大學(xué)博士畢業(yè)后，奔赴密歇根大學(xué)和卡內(nèi)基梅隆大學(xué)的博士后。2014年-2016年在微軟亞洲院擔(dān)任過副研究員。
此前，唐建的的多項(xiàng)研究被各大頂會收錄，包括ICML 19、ICML 19、IJCAI 19、ICLR 19、AAAI 19等。
附上其個人主頁地址：
https://jian-tang.com/
傳送門
GitHub地址：
https://github.com/DeepGraphLearning/LiteratureDL4Graph
—?完?—
誠摯招聘
量子位正在招募編輯/記者，工作地點(diǎn)在北京中關(guān)村。期待有才氣、有熱情的同學(xué)加入我們！相關(guān)細(xì)節(jié)，請在量子位公眾號(QbitAI)對話界面，回復(fù)“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
?’?’ ? 追蹤AI技術(shù)和產(chǎn)品新動態(tài)
