圖神經(jīng)網(wǎng)絡(luò)導(dǎo)論

第 1章　引論 1
1．1　設(shè)計動機　1
1．1．1　卷積神經(jīng)網(wǎng)絡(luò)　1
1．1．2　圖嵌入　3
1．2　相關(guān)工作　3
第　2章 數(shù)學(xué)和圖論基礎(chǔ)　7
2．1　線性代數(shù)　7
2．1．1　基本概念　7
2．1．2　特征分解　10
2．1．3　奇異值分解　11
2．2　概率論　12
2．2．1　基本概念和公式　12
2．2．2　概率分布　14
2．3　圖論　15
2．3．1　基本概念　16
2．3．2　圖的代數(shù)表示　16
第3章　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)　19
3．1　神經(jīng)元　19
3．2　后向傳播　22
3．3　神經(jīng)網(wǎng)絡(luò)　24
第4章　基礎(chǔ)圖神經(jīng)網(wǎng)絡(luò)　27
4．1　概述　27
4．2　模型介紹　28
4．3　局限性　30
第5章　卷積圖神經(jīng)網(wǎng)絡(luò)　33
5．1　基于譜分解的方法　33
5．1．1　Spectral Network　33
5．1．2　ChebNet　34
5．1．3　GCN　35
5．1．4　AGCN　36
5．2　基于空間結(jié)構(gòu)的方法　37
5．2．1　Neural FP　37
5．2．2　PATCHY-SAN　38
5．2．3　DCNN　40
5．2．4　DGCN　40
5．2．5　LGCN　42
5．2．6　MoNet　44
5．2．7　GraphSAGE　45
第6章　循環(huán)圖神經(jīng)網(wǎng)絡(luò)　47
6．1　GGNN　47
6．2　Tree-LSTM　49
6．3　Graph-LSTM　50
6．4　S-LSTM　51
第7章　圖注意力網(wǎng)絡(luò)　55
7．1　GAT　55
7．2　GaAN　57
第8章　圖殘差網(wǎng)絡(luò)　59
8．1　Highway GCN　59
8．2　Jump Knowledge Network　60
8．3　DeepGCN　62
第9章　不同圖類型的模型變體　65
9．1　有向圖　65
9．2　異構(gòu)圖　66
9．3　帶有邊信息的圖　68
9．4　動態(tài)圖　70
9．5　多維圖　72
第　10章 高級訓(xùn)練方法　75
10．1　采樣　75
10．2　層級池化　78
10．3　數(shù)據(jù)增廣　80
10．4　無監(jiān)督訓(xùn)練　80
第　11章 通用框架　83
11．1　MPNN　83
11．2　NLNN　85
11．3　GN　87
第　12章 結(jié)構(gòu)化場景應(yīng)用　93
12．1　物理學(xué)　93
12．2　化學(xué)和生物學(xué)　95
12．2．1　分子指紋　95
12．2．2　化學(xué)反應(yīng)預(yù)測　97
12．2．3　藥物推薦　97
12．2．4　蛋白質(zhì)和分子交互預(yù)測　98
12．3　知識圖譜　99
12．3．1　知識圖譜補全　99
12．3．2　歸納式知識圖譜嵌入　100
12．3．3　知識圖譜對齊　101
12．4　推薦系統(tǒng)　102
12．4．1　矩陣補全　103
12．4．2　社交推薦　104
第　13章 非結(jié)構(gòu)化場景應(yīng)用　105
13．1　圖像領(lǐng)域　105
13．1．1　圖像分類　105
13．1．2　視覺推理　108
13．1．3　語義分割　109
13．2　文本領(lǐng)域　110
13．2．1　文本分類　110
13．2．2　序列標注　111
13．2．3　神經(jīng)機器翻譯　112
13．2．4　信息抽取　113
13．2．5　事實驗證　114
13．2．6　其他應(yīng)用　116
第　14章 其他場景應(yīng)用　117
14．1　生成模型　117
14．2　組合優(yōu)化　119
第　15章 開放資源　121
15．1　數(shù)據(jù)集　121
15．2　代碼實現(xiàn)　123
第　16章 總結(jié)　125
16．1　淺層結(jié)構(gòu)　125
16．2　動態(tài)圖　126
16．3　非結(jié)構(gòu)化場景　126
16．4　可擴展性　126
參考文獻　129
作者簡介　148