图神经网络

论文

1. 《The Emerging Field of Signal Processing on Graphs》
   介绍了一些谱图理论以及图傅里叶变换的原理。
2. 《SpectralNetworksandLocallyConnectedNetworksonGraphs》
   第一代 GCN，首次将图卷积应用到神经网络上。
3. 《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》
   第二代GCN，提出用 Chebyshev 多项式作为卷积核，具有了空间局部性。
4. 《Semi-Supervised Classi?cation with Graph Convolutional Networks》
   第三代 GCN，为了解决过拟合问题，将卷积核感受野限制到 1-hop 邻域，并使用 renormalization trick，精度进一步提升。
5. 《Simplifying Graph Convolutional Networks》
   将 GCN 究极简化，移除非线性激活函数，将 n 层权重矩阵融合成 n 次方。
6. 《A Comprehensive Survey on Graph Neural Networks》
   GNN 入门的极佳综述。

7. 《How Powerful are Graph Neural Networks?》

   推荐文章

8. 【GCN】万字长文带你入门 GCN (qq.com)

9. 图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导 CSDN博客
10. 图表示学习与图数据挖掘 - 知乎 (zhihu.com)
11. 从 Graph Convolution Networks (GCN) 谈起 - 知乎 (zhihu.com)
12. 图卷积神经网络的数学原理及其应用 - 知乎 (zhihu.com)
13. 图神经网络 - 知乎 (zhihu.com)
14. GNN阅读合辑 - 知乎 (zhihu.com)
15. 图神经网络论文笔记 - 知乎 (zhihu.com)
16. 精通GCN全攻略 - 知乎 (zhihu.com)
17. wangyouze/GNN-algorithms: 图神经网络相关算法详述及实现 (github.com)
18. 图神经网络的背后：HOW POWERFUL ARE GRAPH NEURAL NETWORKS？ - 知乎 (zhihu.com)

19. 如何理解 Graph Convolutional Network（GCN）？ - 知乎 (zhihu.com)

    书

20. 《Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges》
    几何深度学习的集大成之作，将图、流形、群、网格等非欧式数据融合进一个大框架中。

21. 《Introduction to graph neural networks》
    刘知远的新书，排版不错，有中文版。
22. 《Graph Representation Learning》
    Hamilton 的书，有点偏传统，想看深度学习的话直接看刘知远的那本书就够了。

代码

1. https://github.com/LYuhang/GNN_Review
   GNN综述阅读报告，报告涵盖有多篇GNN方面的论文，以及一个按照论文《The Graph Neural Network Model 》使用pytorch编写的模型例子
2. https://github.com/graphdeeplearning/benchmarking-gnns/tree/master/layers
   可参考的代码实现
3.