GNNPapers
GNNPapers 是一个专注于图神经网络（GNN）领域的精选论文知识库，由周杰等学者共同维护。面对 GNN 技术飞速发展、学术文献海量涌现的现状，研究者和开发者往往难以在短时间内筛选出最具价值的核心资料。GNNPapers 正是为了解决这一“信息过载”痛点而生，它系统性地梳理并收录了该领域必读的经典与前沿论文。
该资源库结构清晰，内容涵盖从基础综述、核心模型架构（如池化方法、效率优化、可解释性分析）到广泛的实际应用场景。无论是物理化学、生物医药等科学计算领域，还是推荐系统、计算机视觉、自然语言处理等工业界热点，乃至对抗攻击、组合优化等进阶方向，都能在此找到对应的权威文献指引。
GNNPapers 特别适合人工智能研究人员、算法工程师以及希望深入理解图数据的学生使用。其独特的亮点在于不仅提供了详尽的分类导航，还特别强调了“必读”属性，帮助用户快速构建知识体系，避免在低质量文献中浪费时间。作为一份开源整理的学术指南，它以专业且友好的方式，成为了探索图神经网络世界的高效入口。
使用场景
某金融科技公司的算法团队正致力于构建基于图神经网络的欺诈检测系统，急需快速掌握 GNN 在社交网络分析中的最新进展以优化模型架构。
没有 GNNPapers 时
- 文献检索如大海捞针：研究人员需在 Google Scholar 或 arXiv 上手动搜索海量关键词，难以区分哪些是奠基性综述，哪些是过时的初步探索。
- 知识体系支离破碎：面对基础模型、池化方法、可解释性等细分领域，缺乏系统化的分类指引，导致学习路径混乱，容易遗漏关键理论（如几何深度学习）。
- 应用场景匹配困难：团队专注于“社交网络”风控，却很难快速定位到专门针对该场景的对抗攻击防御或少样本学习论文，大量时间浪费在筛选不相关文献上。
- 复现基准缺失：由于无法快速获取领域内公认的“必读”清单，模型选型缺乏权威参考，增加了试错成本和项目延期风险。
使用 GNNPapers 后
- 核心文献一键直达：直接查阅 GNNPapers 整理的"Survey"与"Social Network"章节，瞬间锁定 Zhiyuan Liu 等人的经典综述及最新应用成果，节省数天检索时间。
- 结构化知识导航：依托其清晰的目录树（从基础模型到效率优化），团队成员能按图索骥，系统性补齐从理论推导到工程落地的知识盲区。
- 精准场景对标：通过"Adversarial Attack"和"Few-shot Learning"等细分标签，迅速找到针对黑产对抗和小样本欺诈的具体解决方案，加速模型迭代。
- 权威选型依据：基于社区贡献的必读榜单确定基线模型，确保技术路线紧跟前沿，显著提升了方案评审的通过率与研发信心。
GNNPapers 将原本分散杂乱的学术资源转化为结构化的知识地图，让研发团队能从繁琐的文献筛选中解放出来，专注于核心算法的创新与落地。
运行环境要求
未说明
未说明
快速开始
GNN 必读论文
GNN：图神经网络
由周杰、崔干渠、张正言和白宇石贡献。
目录
综述论文
图神经网络导论。 人工智能与机器学习综合讲座，摩根与克莱普尔出版社，2020年。书籍
刘志远、周杰。
图神经网络：方法与应用综述。 AI Open 2020。论文
周杰、崔干渠、张正言、杨成、刘志远、孙茂松。
图神经网络全面综述。 arXiv 2019。论文
吴宗翰、潘世睿、陈凤文、龙国栋、张承启、Philip S. Yu。
图数据上的对抗攻击与防御：综述。 arXiv 2018。论文
孙立超、窦英彤、杨卡尔、王吉、Philip S. Yu、李博。
图上的深度学习：综述。 arXiv 2018。论文
张子威、崔鹏、朱文武。
关系归纳偏置、深度学习与图网络。 arXiv 2018。论文
Battaglia, Peter W 和 Hamrick, Jessica B 以及 Bapst, Victor、Sanchez-Gonzalez, Alvaro、Zambaldi, Vinicius、Malinowski, Mateusz、Tacchetti, Andrea、Raposo, David、Santoro, Adam、Faulkner, Ryan 等人。
几何深度学习：超越欧几里得数据。 IEEE SPM 2017。论文
Bronstein, Michael M 和 Bruna, Joan、LeCun, Yann、Szlam, Arthur、Vandergheynst, Pierre。
图神经网络的计算能力。 IEEE TNN 2009。论文
Scarselli, Franco 和 Gori, Marco、Tsoi, Ah Chung、Hagenbuchner, Markus、Monfardini, Gabriele。
用于量子化学的神经消息传递。 ICML 2017。论文
Gilmer, Justin 和 Schoenholz, Samuel S、Riley, Patrick F、Vinyals, Oriol、Dahl, George E。
非局部神经网络。 CVPR 2018。论文
Wang, Xiaolong 和 Girshick, Ross、Gupta, Abhinav、He, Kaiming。
图神经网络模型。 IEEE TNN 2009。论文
Scarselli, Franco 和 Gori, Marco、Tsoi, Ah Chung、Hagenbuchner, Markus、Monfardini, Gabriele。
图神经网络基准测试。 arXiv 2020。论文
Dwivedi, Vijay Prakash 和 Joshi, Chaitanya K. 以及 Laurent, Thomas、Bengio, Yoshua、Bresson, Xavier。
使用动态图神经网络对动态网络进行建模与基础研究：综述。 arXiv 2020。论文
Skarding, Joakim 和 Gabrys, Bogdan、Musial, Katarzyna。
弥合空间域与谱域之间的差距：图神经网络综述。 arXiv 2020。论文
陈志谦、陈芳兰、张磊、季涛然、傅凯群、赵亮、陈峰、卢昌田。
图神经网络中的可解释性：分类综述。 arXiv 2020。论文
袁浩、于海阳、桂舒瑞、季水旺。
图神经网络的自监督学习：统一视角。 TPAMI 2022。论文
谢耀辰、徐兆、张景屯、王章洋、季水旺。
模型
基础模型
用于结构分类的监督神经网络。 IEEE TNN 1997。论文
Alessandro Sperduti 和 Antonina Starita。
基于图的学习环境用于模式识别。 SSPR/SPR 2004。论文
Franco Scarselli、Ah Chung Tsoi、Marco Gori、Markus Hagenbuchner。
图领域学习的新模型。 IJCNN 2005。论文
Marco Gori、Gabriele Monfardini、Franco Scarselli。
用于网页排名的图神经网络。 WI 2005。论文
弗朗科·斯卡塞利、斯韦阿·梁勇、马尔科·戈里、马库斯·哈根布赫纳、阿昌·曹伊、马尔科·马金尼。
利用分子图网络自动生成互补描述符。 J.Chem.Inf.Model. 2005。论文
克里斯蒂安·梅尔维尔斯和托马斯·伦高尔。
面向图的神经网络：一种基于上下文的构造方法。 IEEE TNN 2009。论文
阿莱西奥·米凯利。
图上的谱网络与局部连接网络。 ICLR 2014。论文
琼·布鲁纳、沃伊切赫·扎伦巴、阿瑟·斯兹拉姆、扬·勒丘恩。
面向图结构数据的深度卷积网络。 arxiv 2015。论文
米卡埃尔·亨纳夫、琼·布鲁纳、扬·勒丘恩。
具有快速局部化谱滤波的图卷积神经网络。 NIPS 2016。论文
米夏埃尔·德费拉尔、泽维尔·布雷松、皮埃尔·万德盖因斯特。
扩散-卷积神经网络。 NIPS 2016。论文
詹姆斯·阿特伍德、唐·陶斯利。
门控图序列神经网络。 ICLR 2016。论文
余嘉莉、丹尼尔·塔洛、马克·布罗克施密特、理查德·泽默尔。
学习面向图的卷积神经网络。 ICML 2016。论文
马蒂亚斯·尼珀特、穆罕默德·艾哈迈德、康斯坦丁·库茨科夫。
基于图LSTM的语义对象解析。 ECCV 2016。论文
梁晓丹、沈晓辉、冯家诗、林亮、严世成。
基于图卷积网络的半监督分类。 ICLR 2017。论文
托马斯·N·基普夫、马克斯·韦灵。
大规模图上的归纳表示学习。 NIPS 2017。论文
威廉·L·汉密尔顿、雷克斯·英、朱雷·莱斯科维克。
使用混合模型CNN在图和流形上进行几何深度学习。 CVPR 2017。论文
费德里科·蒙蒂、达维德·博斯凯尼、乔纳森·马斯奇、埃马努埃莱·罗多拉、扬·斯沃博达、迈克尔·M·布朗斯坦。
图注意力网络。 ICLR 2018。论文
佩塔尔·韦利科维奇、吉列姆·库库鲁尔、阿兰恰·卡萨诺瓦、阿德里亚娜·罗梅罗、皮耶特罗·里奥、约书亚·本吉奥。
用于学习图的协变组合网络。 ICLR 2018。论文
里西·孔多尔、许春山、霍拉斯·潘、布兰登·安德森、舒班杜·特里维迪。
用于半监督分类的图划分神经网络。 ICLR 2018。论文
廖仁杰、马克·布罗克施密特、丹尼尔·塔洛、亚历山大·L·高特、拉奎尔·乌尔塔孙、理查德·泽默尔。
利用图神经网络对概率图模型进行推断。 ICLR研讨会2018。论文
尹基荣、廖仁杰、熊宇文、李莎·张、伊森·费塔亚、拉奎尔·乌尔塔孙、理查德·泽默尔、沙克·皮特科夫。
面向结构的卷积神经网络。 NeurIPS 2018。论文
常建龙、顾杰、王凌峰、孟高锋、向士明、潘春红。
更多
基于图高斯过程的贝叶斯半监督学习。 NeurIPS 2018。论文
吴银程、尼古洛·科隆博、里卡多·席尔瓦。
自适应图卷积神经网络。 AAAI 2018。论文
李若宇、王晟、朱飞云、黄俊州。
用于基于图的半监督分类的双图卷积神经网络。 WWW 2018。论文
庄晨毅、马强。
学习图上迭代算法的稳态。 ICML 2018。论文
戴瀚军、佐尔尼察·科扎列娃、鲍·戴、亚历克斯·斯莫拉、宋乐。
图胶囊卷积神经网络。 ICML 2018研讨会。论文
索拉布·维尔马、张志立。
胶囊图神经网络。 ICLR 2019。论文
张欣怡、陈丽慧。
图小波神经网络。 ICLR 2019。论文
徐冰冰、申华威、曹琪、邱云琪、程雪琪。
深度图信息最大化。 ICLR 2019。论文
佩塔尔·韦利科维奇、威廉·费杜斯、威廉·L·汉密尔顿、皮耶特罗·里奥、约书亚·本吉奥、R·德文·海勒姆。
先预测再传播：图神经网络与个性化PageRank的结合。 ICLR 2019。论文
约翰内斯·克利佩拉、亚历山大·博伊切夫斯基、施特凡·居内曼。
LanczosNet：多尺度深度图卷积神经网络。 ICLR 2019。论文
廖仁杰、赵志珍、拉奎尔·乌尔塔孙、理查德·泽默尔。
不变与等变图网络。 ICLR 2019。论文
哈盖·马龙、海莉·本-哈穆、纳达夫·沙米尔、亚伦·利普曼。
GMNN：图马尔可夫神经网络。 ICML 2019。论文
曲萌、约书亚·本吉奥、唐健。
位置感知图神经网络。 ICML 2019。论文
尤佳轩、雷克斯·英、朱雷·莱斯科维克。
解耦图卷积神经网络。 ICML 2019。论文
马建新、崔鹏、匡坤、王鑫、朱文武。
随机块模型与图神经网络的结合。 ICML 2019。论文
尼基尔·梅塔、劳伦斯·卡林、皮尤什·赖。
为图神经网络学习离散结构。 ICML 2019。论文
卢卡·弗朗切斯基、马蒂亚斯·尼珀特、马西米利亚诺·蓬蒂尔、何晓。
MixHop：通过稀疏化邻域混合实现高阶图卷积架构。 ICML 2019。论文
萨米·阿布-埃尔-海贾、布莱恩·佩罗齐、阿莫尔·卡普尔、纳扎宁·阿里普尔法德、克里斯蒂娜·勒曼、赫拉伊尔·哈鲁提尼扬、格雷格·韦尔·斯蒂格、阿拉姆·加尔斯蒂安。
DEMO-Net：用于节点和图分类的度特定图神经网络。 KDD 2019。论文
吴俊、何静睿、徐杰君。
基于硬注意力和通道注意力网络的图表示学习。 KDD 2019。论文
高洪洋、季水旺。
图学习-卷积网络。 CVPR 2019。论文
江波、张子言、林斗斗、唐进。
基于图扩散嵌入网络的数据表示与学习。 CVPR 2019。论文
江波、林斗斗、唐进、罗斌。
基于图滤波的标签高效半监督学习。 CVPR 2019。论文
李启迈、吴晓明、刘汉、张晓彤、关志超。
SPAGAN：最短路径图注意力网络。 IJCAI 2019。论文
杨一丁、王新超、宋明利、袁俊松、陶大成。
基于拓扑优化的图卷积网络。 IJCAI 2019。论文
杨亮、康泽生、曹晓春、金迪、杨博、郭元芳。
用于半监督节点分类的层次化图卷积网络。 IJCAI 2019。论文
胡奋宇、朱燕桥、吴树、王亮、谭天牛。
掩码图卷积网络。 IJCAI 2019。论文
杨亮、吴凡、王英奎、顾军华、郭元芳。
双自定步长图卷积网络：减少由拓扑结构引起的属性扭曲。 IJCAI 2019。论文
杨亮、陈志阳、顾军华、郭元芳。
用于半监督分类的贝叶斯图卷积神经网络。 AAAI 2019。论文
张颖雪、索米亚桑达尔·帕尔、马克·科茨、代尼兹·于斯泰拜。
GeniePath：具有自适应感受野路径的图神经网络。 AAAI 2019。论文
刘子奇、陈超超、李龙飞、周俊、李晓龙、宋乐、齐源。
面向图的高斯诱导卷积。 AAAI 2019。论文
蒋家涛、崔振、许春燕、杨健。
费舍尔-布雷斯对抗图卷积网络。 UAI 2019。论文
孙科、皮奥特·科纽什、王震。
N-GCN：用于半监督节点分类的多尺度图卷积。 UAI 2019。论文
萨米·阿布-埃尔-海贾、阿莫尔·卡普尔、布莱恩·佩罗齐、李俊锡。
基于置信度的图卷积网络用于半监督学习。 AISTATS 2019。论文
瓦希什特·希卡尔、亚达夫·普拉蒂克、班达里·马尼克、塔卢克达尔·帕尔塔。
洛瓦什卷积网络。 AISTATS 2019。论文
亚达夫·普拉蒂克、尼米沙卡维·马达夫、亚达蒂·纳加南德、瓦希什特·希卡尔、拉吉库马尔·阿伦、塔卢克达尔·帕尔塔。
可证明强大的图网络。 NeurIPS 2019。论文
哈盖·马龙、海莉·本-哈穆、哈达尔·塞尔维安斯基、亚伦·利普曼。
用于半监督学习的图一致性模型。 NeurIPS 2019。论文
斯特雷特库·奥蒂莉亚、维斯瓦纳坦·克里希纳穆尔蒂、莫夫绍维茨-阿蒂亚斯·达娜、普拉塔尼奥斯·埃马努埃尔、苏吉特·拉维、汤金斯·安德鲁。
具有不可忽略非响应的基于图的半监督学习。 NeurIPS 2019。论文
周帆、李腾飞、周海波、朱洪图、叶洁平。
用于基于图的半监督学习的灵活生成框架。 NeurIPS 2019。论文
马佳琪、唐伟京、朱继、梅巧珠。
半隐式图变分自编码器。 NeurIPS 2019。论文
哈桑扎德·阿尔曼、哈吉拉梅扎纳利·埃桑、纳拉亚南·克里希纳、达菲尔德·尼克、周明远、钱晓宁。
双曲图神经网络。 NeurIPS 2019。论文
刘琦、尼科尔·马克西米利安、基拉·杜威。
双曲图卷积神经网络。 NeurIPS 2019。论文
查米·伊内斯、应志涛、雷·克里斯托弗、莱斯科韦克·朱雷。
图神经切线核：将图神经网络与图核融合。 NeurIPS 2019。论文
杜·西蒙、侯·康成、萨拉胡丁诺夫·罗斯、波科兹·巴纳巴斯、王·若松、徐·凯宇。
SNEQ：基于注意力量化技术的半监督属性网络嵌入。 AAAI 2020。论文
何涛、高莲丽、宋景宽、王欣、黄克杰、李元芳。
深入探索：图卷积梯形网络。 AAAI 2020。论文
胡瑞琪、潘世锐、龙国栋、陆庆华、朱立明、姜晶。
用于多视图半监督学习的Co-GCN。 AAAI 2020。论文
李淑、李文涛、王伟。
基于梯形伽玛变分自编码器的图表示学习。 AAAI 2020。论文
萨卡尔·阿林达姆、梅塔·尼基尔、赖·皮尤什。
GSSNN：图平滑样条神经网络。 AAAI 2020。论文
朱世超、周雷威、潘世锐、周川、严桂英、王斌。
利用三元闭包在图自编码器中进行有效解码。 AAAI 2020。论文
石涵、范浩正、詹姆斯·T·郭。
用于异构结构学习的基于注意力的图神经网络。 AAAI 2020。论文
洪慧婷、郭汉涛、林宇成、杨晓青、李藏、叶洁平。
快速深度图神经网络。 AAAI 2020。论文
*加利奇奥·克劳迪奥、米凯利·阿莱西奥。
超图标签传播网络。 AAAI 2020。论文
张宇博、王楠、陈宇峰、邹昌庆、万海、赵锡斌、高岳。
基于图注意力机制的有符号网络嵌入学习。 AAAI 2020。论文
李宇、田源、张嘉伟、常毅。
GraLSP：具有局部结构模式的图神经网络。 AAAI 2020。论文
金一伦、宋国杰、史川。
ASAP：用于学习层次化图表示的自适应结构感知池化。 AAAI 2020。论文
埃卡格拉·兰詹、索米娅·桑亚尔、帕尔塔·普拉蒂姆·塔卢克达尔。
针对少量标注节点图的图卷积网络的多阶段自监督学习。 AAAI 2020。论文
孙科、林周晨、朱占星。
协同图卷积网络：无监督学习与半监督学习的结合。 AAAI 2020。论文
惠彬远、朱鹏飞、青华、胡。
一种用于图链接预测的多尺度方法。 AAAI 2020。论文
蔡磊、季水旺。
图注意力网络的自适应结构指纹。 ICLR 2020。论文
张凯、朱耀康、王俊、张杰。
图神经网络预训练策略。 ICLR 2020。论文
胡伟华、刘博文、约瑟夫·戈梅斯、马林卡·齐特尼克、珀西·梁、维杰·潘德、尤雷·莱斯科韦茨。
DropEdge：迈向节点分类任务中的深层图卷积网络。 ICLR 2020。论文
荣宇、黄文兵、徐婷阳、黄俊洲。
面向分子图的方向性消息传递。 ICLR 2020。论文
约翰内斯·克利佩拉、扬内克·格罗斯、施特凡·居内曼。
DeepSphere：一种基于图的球面卷积神经网络。 ICLR 2020。论文
米夏埃尔·德费拉尔、马蒂诺·米拉尼、弗雷德里克·古塞特、纳塔纳埃尔·佩罗丹。
Geom-GCN：几何图卷积网络。 ICLR 2020。论文
裴洪斌、魏炳哲、凯文·陈传昌、雷宇、杨波。
曲率图网络。 ICLR 2020。论文
叶泽、刘锦森、马腾飞、高杰、陈超。
图神经网络中图信息利用的度量与改进。 ICLR 2020。论文
侯一帆、张健、詹姆斯·程、马凯莉、理查德·T·B·马、陈宏志、杨明昌。
基于记忆的图网络。 ICLR 2020。论文
阿米尔·侯赛因·哈萨马迪、卡韦·哈萨尼、帕尔萨·莫拉迪、利奥·李、奎德·莫里斯。
剪枝图散射变换。 ICLR 2020。论文
瓦西里斯·N·伊万尼迪斯、陈思恒、乔治奥斯·B·吉安纳基斯。
图算法的神经执行。 ICLR 2020。论文
彼得·韦利奇科维奇、雷克斯·英、马蒂尔德·帕多瓦诺、赖娅·哈德塞尔、查尔斯·布伦德尔。
GraphSAINT：基于图采样的归纳式学习方法。 ICLR 2020。论文
曾汉清、周鸿宽、阿吉特什·斯里瓦斯塔瓦、拉吉戈帕尔·坎南、维克托·普拉桑纳。
用于半监督分类的图推理学习。 ICLR 2020。论文
许春燕、崔振、洪晓斌、张彤、杨健、刘伟。
SGAS：顺序贪婪架构搜索。 CVPR 2020。论文
李国豪、钱国成、伊策尔·C·德尔加迪略、马蒂亚斯·穆勒、阿里·塔贝特、伯纳德·加内姆。
自适应传播图卷积网络。 IEEE TNNLS 2020。论文
因德罗·斯皮内利、西蒙·斯卡达帕内、奥雷利奥·昂奇尼。
图类型
DyRep：在动态图上学习表示。 ICLR 2019。论文
拉克希特·特里维迪、梅赫达德·法拉吉塔巴尔、普拉森杰特·比斯瓦尔、洪远·扎
超图神经网络。 AAAI 2019。论文
易凡·冯、郝轩·尤、子钊·张、荣荣·季、岳高
异构图注意力网络。 WWW 2019。论文
肖王、侯业·吉、川石、白王、彭崔、P·于、燕芳·叶
属性多层异构网络的表示学习。 KDD 2019。论文
玉科·岑、徐邹、建伟·张、红霞·杨、景仁·周、杰唐
ActiveHNE：主动异构网络嵌入。 IJCAI 2019。论文
夏晨、国贤·余、俊王、卡洛塔·多梅尼科尼、赵李、翔亮·张
GCN-LASE：在图卷积网络中充分融入边属性。 IJCAI 2019。论文
子耀·李、梁章、郭杰·宋
动态超图神经网络。 IJCAI 2019。论文
建文·蒋、宇轩·魏、易凡·冯、京轩·曹、岳高
利用交互边进行节点分类的深度图神经网络。 IJCAI 2019。论文
浩根·朴、珍妮弗·内维尔
图神经网络中的边特征利用。 CVPR 2019。论文
立宇·龚、强程
HyperGCN：一种在超图上训练图卷积网络的新方法。 NeurIPS 2019。论文
纳加南德·亚达蒂、马达夫·尼米沙卡维、普拉提克·亚达夫、维克拉姆·尼廷、阿南德·路易斯、帕尔塔·塔卢克达尔
图变换器网络。 NeurIPS 2019。论文
成俊·尹、敏碧·郑、来贤·金、载宇·姜、贤宇·金
循环时空图神经网络。 NeurIPS 2019。论文
安德烈·尼科利丘、伊乌莉娅·杜塔、马里乌斯·勒奥尔德阿努
EvolveGCN：用于动态图的演化图卷积网络。 AAAI 2020。论文
阿尔多·帕雷哈、贾科莫·多梅尼科尼、杰陈、腾飞·马、丰太郎·铃村、弘树·金泽、蒂姆·凯勒、陶B·沙德尔、查尔斯E·莱瑟森
时空同步图卷积网络：一种新的时空网络数据预测框架。 AAAI 2020。论文
超松、友芳·林、盛楠·郭、怀宇·万
基于图注意力网络的跨异构网络类型感知锚链接预测。 AAAI 2020。论文
晓雪·李、艳敏·尚、雅楠·曹、阳熙·李、建龙·谭、艳兵·刘
基于组合的多关系图卷积网络。 ICLR 2020。论文
希卡尔·瓦希什特、索米娅·桑亚尔、维克拉姆·尼廷、帕尔塔·塔卢克达尔
时序图上的归纳表示学习。 ICLR 2020。论文
达许、传威·阮、埃夫伦·科尔佩奥卢、苏山特·库马尔、坎南·阿昌
Hyper-SAGNN：一种基于自注意力的超图神经网络。 ICLR 2020。论文
若驰·张、月松·邹、建马
有向图Inception卷积网络。 NeurIPS 2020。论文
泽坤·佟、宇轩·梁、长生·孙、欣可·李、大卫S·罗森布鲁姆、安德鲁·林
子图神经网络。 NeurIPS 2020。论文
艾米丽·阿尔森策、塞缪尔·芬利森、米歇尔·李、马林卡·齐特尼克
使用张量M乘积的动态图卷积网络。 SDM 2021。论文
奥斯曼·阿西夫·马利克、沙尚卡·乌巴鲁、利奥尔·霍雷什、米沙E·基尔默、海姆·阿夫隆
池化方法
用于图分类的端到端深度学习架构。 AAAI 2018。论文
穆汉·张、志诚·崔、玛丽昂·诺伊曼、怡欣·陈
具有可微池化的层次化图表示学习。 NeurIPS 2018。论文
志涛·英、家轩·尤、克里斯托弗·莫里斯、向仁、威尔·汉密尔顿、朱雷·莱斯科韦克
自注意力图池化。 ICML 2019。论文
俊贤·李、寅烨·李、载宇·姜
图U型网络。 ICML 2019。论文
鸿洋·高、水旺·季
带有特征值池化的图卷积网络。 KDD 2019。论文
姚马、苏航·王、查鲁C·阿加瓦尔、吉利昂·唐
用于图表示的关系池化。 ICML 2019。论文
瑞安L·墨菲、巴拉苏布拉马尼亚姆·斯里尼瓦桑、维纳亚克·拉奥、布鲁诺·里贝罗
突破天花板：更强大的多尺度深度图卷积网络。 NeurIPS 2019。论文
思涛·栾、明德·赵、小文·昌、多伊娜·普雷库普
扩散改进图学习。 NeurIPS 2019。论文
约翰内斯·克利珀拉、施特凡·魏森贝格、施特凡·居内曼
带有结构学习的层次化图池化。 AAAI 2020。论文
振张、嘉俊·布、马丁·埃斯特、建峰·张、承伟·姚、志宇·余、灿王
StructPool：通过条件随机场进行结构化图池化。 ICLR 2020。论文
浩源·袁、水旺·季
利用图神经网络进行谱聚类以实现图池化。 ICML 2020。论文
菲利波·玛丽亚·比安奇、达尼埃莱·格拉塔罗拉、切萨雷·阿利皮
通过图多重集池化准确学习图表示。 ICLR 2021。论文
晋宪·白、民基·康、圣柱·黄
分析
递归神经网络与图神经网络的比较。 IJCNN 2006。论文
Vincenzo Di Massa、Gabriele Monfardini、Lorenzo Sarti、Franco Scarselli、Marco Maggini、Marco Gori。
用于关系学习的神经网络：实验比较。 Machine Learning 2011。论文
Werner Uwents、Gabriele Monfardini、Hendrik Blockeel、Marco Gori、Franco Scarselli。
图划分中图神经网络的平均场理论。 NeurIPS 2018。论文
Tatsuro Kawamoto、Masashi Tsubaki、Tomoyuki Obuchi。
具有跳跃知识网络的图表示学习。 ICML 2018。论文
Keyulu Xu、Chengtao Li、Yonglong Tian、Tomohiro Sonobe、Ken-ichi Kawarabayashi、Stefanie Jegelka。
半监督学习中图卷积网络的深入研究。 AAAI 2018。论文
Qimai Li、Zhichao Han、Xiao-Ming Wu。
图神经网络有多强大？ ICLR 2019。论文
Keyulu Xu、Weihua Hu、Jure Leskovec、Stefanie Jegelka。
图卷积神经网络的稳定性和泛化能力。 KDD 2019。论文
Saurabh Verma、Zhi-Li Zhang。
简化图卷积神经网络。 ICML 2019。论文
Felix Wu、Tianyi Zhang、Amauri Holanda de Souza Jr.、Christopher Fifty、Tao Yu、Kilian Q. Weinberger。
图卷积神经网络的可解释性方法。 CVPR 2019。论文
Phillip E. Pope、Soheil Kolouri、Mohammad Rostami、Charles E. Martin、Heiko Hoffmann。
GCN能像CNN一样深吗？ ICCV 2019。论文
Guohao Li、Matthias Müller、Ali Thabet、Bernard Ghanem。
Weisfeiler和Leman走向神经网络：高阶图神经网络。 AAAI 2019。论文
Christopher Morris、Martin Ritzert、Matthias Fey、William L. Hamilton、Jan Eric Lenssen、Gaurav Rattan、Martin Grohe。
理解图神经网络中的注意力机制与泛化能力。 NeurIPS 2019。论文
Boris Knyazev、Graham W. Taylor、Mohamed R. Amer。
GNNExplainer：为图神经网络生成解释。 NeurIPS 2019。论文
Zhitao Ying、Dylan Bourgeois、Jiaxuan You、Marinka Zitnik、Jure Leskovec。
通用不变与等变图神经网络。 NeurIPS 2019。论文
Nicolas Keriven、Gabriel Peyré。
关于图同构测试与使用GNN进行函数逼近之间的等价性。 NeurIPS 2019。论文
Zhengdao Chen、Soledad Villar、Lei Chen、Joan Bruna。
理解图神经网络在学习图拓扑结构方面的表示能力。 NeurIPS 2019。论文
Nima Dehmamy、Albert-Laszlo Barabasi、Rose Yu。
图神经网络在节点分类任务中会指数级丧失表达能力。 ICLR 2020。论文
Kenta Oono、Taiji Suzuki。
图神经网络学不到什么：深度与宽度的权衡。 ICLR 2020。论文
Andreas Loukas。
图神经网络的逻辑表达能力。 ICLR 2020。论文
Pablo Barceló、Egor V. Kostylev、Mikael Monet、Jorge Pérez、Juan Reutter、Juan Pablo Silva。
关于节点位置嵌入与结构化图表示之间的等价性。 ICLR 2020。论文
Balasubramaniam Srinivasan、Bruno Ribeiro。
图神经网络能计数子结构吗？ NeurIPS 2020。论文
Zhengdao Chen、Lei Chen、Soledad Villar、Joan Bruna。
效率
具有方差缩减的图卷积网络随机训练。 ICML 2018。论文
Jianfei Chen, Jun Zhu, Le Song.
FastGCN：基于重要性采样的图卷积网络快速学习。 ICLR 2018。论文
Jie Chen, Tengfei Ma, Cao Xiao.
面向快速图表示学习的自适应采样。 NeurIPS 2018。论文
Wenbing Huang, Tong Zhang, Yu Rong, Junzhou Huang.
大规模可学习的图卷积网络。 KDD 2018。论文
Hongyang Gao, Zhengyang Wang, Shuiwang Ji.
Cluster-GCN：一种用于训练深层、大型图卷积网络的高效算法。 KDD 2019。论文
Wei-Lin Chiang, Xuanqing Liu, Si Si, Yang Li, Samy Bengio, Cho-Jui Hsieh.
用于可扩展图自动编码器的退化框架。 IJCAI 2019。论文
Guillaume Salha, Romain Hennequin, Viet Anh Tran, Michalis Vazirgiannis.
用于训练深层、大型图卷积网络的层相关重要性采样。 NeurIPS 2019。论文
Difan Zou, Ziniu Hu, Yewen Wang, Song Jiang, Yizhou Sun, Quanquan Gu.
GraphSAINT：基于图采样的归纳学习方法。 ICLR 2020。论文 代码
Hanqing Zeng, Hongkuan Zhou, Ajitesh Srivastava, Rajgopal Kannan, Viktor Prasanna.
基于分布式图数据库服务器的可扩展图卷积网络链接预测。 IEEE CLOUD 2020。论文 代码
Anuradha Karunarathna, Dinika Senarath, Shalika Madhushanki, Chinthaka Weerakkody, Miyuru Dayarathna, Sanath Jayasena, Toyotaro Suzumura.
内存高效的分布式图卷积网络链接预测。 IEEE Big Data 2020。论文 代码
Damitha Senevirathne, Isuru Wijesiri, Suchitha Dehigaspitiya, Miyuru Dayarathna, Sanath Jayasena, and Toyotaro Suzumura.
可解释性
图卷积网络的可解释性技术。 ICML 2019。论文
Federico Baldassarre, Hossein Azizpour.
GNNExplainer：生成图神经网络的解释。 NeurIPS 2019。论文
Rex Ying, Dylan Bourgeois, Jiaxuan You, Marinka Zitnik, Jure Leskovec.
GCN-LRP解释：探索图卷积网络的潜在注意力。 IJCNN 2020。论文
Jinlong Hu, Tenghui Li, Shoubin Dong.
图神经网络的参数化解释器。 NeurIPS 2020。论文
Dongsheng Luo, Wei Cheng, Dongkuan Xu, Wenchao Yu, Bo Zong, Haifeng Chen, Xiang Zhang.
XGNN：迈向图神经网络的模型级解释。 KDD 2020。论文
Hao Yuan, Jiliang Tang, Xia Hu, Shuiwang Ji.
对比图神经网络解释。 ICML 2020。论文
Lukas Faber, Amin K. Moghaddam, Roger Wattenhofer.
通过可微边掩码解释用于自然语言处理的图神经网络。 ICLR 2021。论文
Michael Sejr Schlichtkrull, Nicola De Cao, Ivan Titov.
通过子图探索实现图神经网络的可解释性。 ICML 2021。论文
Hao Yuan, Haiyang Yu, Jie Wang, Kang Li, Shuiwang Ji.
图神经网络的生成式因果解释。 ICML 2021。论文
Wanyu Lin, Hao Lan, Baochun Li.
GraphSVX：图神经网络的Shapley值解释。 ECML PKDD 2021。论文
Alexandre Duval, Fragkiskos D. Malliaros.
应用
物理
从纠缠场景表示中发现物体及其关系。 ICLR Workshop 2017。论文
David Raposo, Adam Santoro, David Barrett, Razvan Pascanu, Timothy Lillicrap, Peter Battaglia.
用于关系推理的简单神经网络模块。 NIPS 2017。论文
Adam Santoro, David Raposo, David G.T. Barrett, Mateusz Malinowski, Razvan Pascanu, Peter Battaglia, Timothy Lillicrap.
用于学习物体、关系和物理的交互网络。 NIPS 2016。论文
Peter Battaglia, Razvan Pascanu, Matthew Lai, Danilo Rezende, Koray Kavukcuoglu.
视觉交互网络：从视频中学习物理模拟器。 NIPS 2017。论文
Nicholas Watters, Andrea Tacchetti, Théophane Weber, Razvan Pascanu, Peter Battaglia, Daniel Zoran.
图网络作为可学习的物理引擎，用于推理和控制。 ICML 2018。论文
Alvaro Sanchez-Gonzalez, Nicolas Heess, Jost Tobias Springenberg, Josh Merel, Martin Riedmiller, Raia Hadsell, Peter Battaglia.
使用反向传播学习多智能体通信。 NIPS 2016。论文
Sainbayar Sukhbaatar, Arthur Szlam, Rob Fergus.
VAIN：注意力型多智能体预测建模。 NIPS 2017 论文
Yedid Hoshen.
用于相互作用系统的神经关系推理。 ICML 2018。论文
Thomas Kipf, Ethan Fetaya, Kuan-Chieh Wang, Max Welling, Richard Zemel.
图元素网络：自适应的结构化计算与记忆。 ICML 2019。论文
Ferran Alet, Adarsh K. Jeewajee, Maria Bauza, Alberto Rodriguez, Tomas Lozano-Perez, Leslie Pack Kaelbling.
面向稀疏观测动态的物理感知差异图网络。 ICLR 2020。论文
Sungyong Seo, Chuizheng Meng, Yan Liu.
化学与生物学
用于学习分子指纹的图卷积网络。 NIPS 2015。论文
David Duvenaud、Dougal Maclaurin、Jorge Aguilera-Iparraguirre、Rafael Gómez-Bombarelli、Timothy Hirzel、Alán Aspuru-Guzik、Ryan P. Adams。
分子图卷积：超越指纹的方法。 计算机辅助分子设计期刊 2016。论文
Steven Kearnes、Kevin McCloskey、Marc Berndl、Vijay Pande、Patrick Riley。
利用图卷积网络进行蛋白质相互作用界面预测。 NIPS 2017。论文
Alex Fout、Jonathon Byrd、Basir Shariat、Asa Ben-Hur。
关系网络与局部化图卷积滤波相结合的混合方法用于乳腺癌亚型分类。 IJCAI 2018。论文
Sungmin Rhee、Seokjun Seo、Sun Kim。
利用图卷积网络建模多药联用的副作用。 ISMB 2018。论文
Marinka Zitnik、Monica Agrawal、Jure Leskovec。
用于发现和融合分子中关系的谱多图网络。 NeurIPS Workshop 2018。论文
Boris Knyazev、Xiao Lin、Mohamed R. Amer、Graham W. Taylor。
MR-GNN：用于预测结构化实体相互作用的多分辨率双图神经网络。 IJCAI 2019。论文
Nuo Xu、Pinghui Wang、Long Chen、Jing Tao、Junzhou Zhao。
用于药物推荐的图增强Transformer预训练。 IJCAI 2019。论文
Junyuan Shang、Tengfei Ma、Cao Xiao、Jimeng Sun。
GAMENet：用于推荐药物组合的图增强记忆网络。 AAAI 2019。论文
Junyuan Shang、Cao Xiao、Tengfei Ma、Hongyan Li、Jimeng Sun。
AffinityNet：用于疾病类型预测的半监督少样本学习。 AAAI 2019。论文
Tianle Ma、Aidong Zhang。
用于化学反应预测的图变换策略网络。 KDD 2019。论文
Kien Do、Truyen Tran、Svetha Venkatesh。
结构化数据的功能透明性：一种博弈论方法。 ICML 2019。论文
Guang-He Lee、Wengong Jin、David Alvarez-Melis、Tommi S. Jaakkola。
用于分子优化的多模态图到图翻译学习。 ICLR 2019。论文
Wengong Jin、Kevin Yang、Regina Barzilay、Tommi Jaakkola。
电子路径的生成模型。 ICLR 2019。论文
John Bradshaw、Matt J. Kusner、Brooks Paige、Marwin H. S. Segler、José Miguel Hernández-Lobato。
基于条件图逻辑网络的逆合成预测。 NeurIPS 2019。论文
Hanjun Dai、Chengtao Li、Connor Coley、Bo Dai、Le Song。
利用图卷积Transformer学习电子健康记录的图结构。 AAAI 2020。论文
Edward Choi、Zhen Xu、Yujia Li、Michael W. Dusenberry、Gerardo Flores、Yuan Xue、Andrew M. Dai。
知识图谱
利用图卷积网络建模关系数据。 ESWC 2018。论文
Michael Schlichtkrull、Thomas N. Kipf、Peter Bloem、Rianne van den Berg、Ivan Titov、Max Welling。
通过图卷积网络实现跨语言知识图谱对齐。 EMNLP 2018。论文
Zhichun Wang、Qingsong Lv、Xiaohan Lan、Yu Zhang。
视觉-关系知识图谱的表示学习。 arxiv 2017。论文
Daniel Oñoro-Rubio、Mathias Niepert、Alberto García-Durán、Roberto González、Roberto J. López-Sastre。
用于知识库补全的端到端结构感知卷积网络。 AAAI 2019。论文
Chao Shang、Yun Tang、Jing Huang、Jinbo Bi、Xiaodong He、Bowen Zhou。
面向知识库外实体的知识迁移：一种图神经网络方法。 IJCAI 2017。论文
Takuo Hamaguchi、Hidekazu Oiwa、Masashi Shimbo、Yuji Matsumoto。
基于逻辑注意力的邻域聚合用于归纳式知识图谱嵌入。 AAAI 2019。论文
Peifeng Wang、Jialong Han、Chenliang Li、Rong Pan。
动态图生成网络：从图表中生成关系知识。 CVPR 2018。论文
Haoyu Wang、Defu Lian、Yong Ge。
利用图神经网络估计知识图谱中节点的重要性。 KDD 2019。论文
Namyong Park、Andrey Kan、Xin Luna Dong、Tong Zhao、Christos Faloutsos。
OAG：迈向大规模异构实体图的链接。 KDD 2019。论文
Fanjin Zhang、Xiao Liu、Jie Tang、Yuxiao Dong、Peiran Yao、Jie Zhang、Xiaotao Gu、Yan Wang、Bin Shao、Rui Li、Kuansan Wang。
学习用于知识图谱中关系预测的基于注意力的嵌入。 ACL 2019。论文
Deepak Nathani、Jatin Chauhan、Charu Sharma、Manohar Kaul。
通过图匹配神经网络实现跨语言知识图谱对齐。 ACL 2019。论文
Kun Xu、Mo Yu、Yansong Feng、Yan Song、Zhiguo Wang、Dong Yu。
多关系庞加莱图嵌入。 NeurIPS 2019。论文
Ivana Balazevic、Carl Allen、Timothy Hospedales。
用于大规模知识图谱推理的动态剪枝消息传递网络。 ICLR 2020。论文
Xiaoran Xu、Wei Feng、Yunsheng Jiang、Xiaohui Xie、Zhiqing Sun、Zhi-Hong Deng。
利用图神经网络进行高效的概率逻辑推理。 ICLR 2020。论文
Yuyu Zhang、Xinshi Chen、Yuan Yang、Arun Ramamurthy、Bo Li、Yuan Qi、Le Song。
推荐系统
用于大规模推荐系统的图卷积神经网络。 KDD 2018。论文
雷克斯·英、鲁宁·何、凯峰·陈、蓬·埃克松巴柴、威廉·L·汉密尔顿、朱雷·莱斯科维茨。
基于循环多图神经网络的几何矩阵补全。 NIPS 2017。论文
费德里科·蒙蒂、迈克尔·M·布朗斯坦、哈维尔·布雷松。
图卷积矩阵补全。 2017。论文
里安内·范登伯格、托马斯·N·基普夫、马克·韦林。
STAR-GCN：用于推荐系统的堆叠与重构图卷积网络。 IJCAI 2019。论文
张佳妮、石兴健、赵圣林、Irwin King。
通过蒸馏图卷积网络进行二值化协同过滤。 IJCAI 2019。论文
王浩宇、连德富、郭勇。
面向会话推荐的图上下文自注意力网络。 IJCAI 2019。论文
徐成峰、赵鹏鹏、刘燕池、Victor S. Sheng、许家杰、庄福振、方俊华、周晓芳。
基于图神经网络的会话推荐。 AAAI 2019。论文
吴书、唐雨源、朱彦秋、王亮、谢星、谭天牛。
结合图卷积循环神经网络的几何霍克斯过程。 AAAI 2019。论文
尚进、孙明轩。
带有标签平滑正则化的知识感知图神经网络用于推荐系统。 KDD 2019。论文
王宏伟、张福正、张梦迪、朱雷·莱斯科维茨、赵淼、李文杰、王中元。
通过最大团优化实现Exact-K推荐。 KDD 2019。论文
龚宇、朱宇、段璐、刘庆文、关子宇、孙飞、欧文武、朱肯尼 Q。
KGAT：用于推荐的知识图注意力网络。 KDD 2019。论文
王翔、何祥楠、曹义欣、刘猛、蔡达生。
用于推荐系统的知识图卷积网络。 WWW 2019。论文
王宏伟、赵淼、谢星、李文杰、郭敏怡。
用于推荐系统中多方面社会效应深度潜在表示的双图注意力网络。 WWW 2019。论文
吴启天、张恒瑞、高晓峰、何鹏、温保罗、高汉、陈桂海。
用于社交推荐的图神经网络。 WWW 2019。论文
范文琪、马瑶、李青、何媛、赵艾瑞克、唐继良、尹大伟。
用于序列推荐的记忆增强图神经网络。 AAAI 2020。论文
马晨、马立恒、张颖雪、孙嘉宁、刘雪、马克·科茨。
重新审视基于图的协同过滤：一种线性残差图卷积网络方法。 AAAI 2020。论文
陈磊、吴乐、洪日昌、张坤、王萌。
基于图神经网络的归纳式矩阵补全。 ICLR 2020。论文
张木涵、陈义欣。
计算机视觉
用于目标定位的图神经网络。 ECAI 2006。论文
加布里埃莱·蒙法尔迪尼、文森佐·迪马萨、弗朗科·斯卡塞利、马可·戈里。
通过图解析神经网络学习人-物体交互。 ECCV 2018。论文
齐思远、王文冠、贾宝雄、沈建兵、朱松春。
为可解释的视觉问答学习条件图结构。 NeurIPS 2018。论文
威尔·诺克利夫-布朗、埃夫斯塔西奥斯·瓦菲亚斯、莎拉·帕里索特。
符号图推理与卷积相遇。 NeurIPS 2018。论文
梁晓丹、胡志婷、张浩、林亮、Eric P. Xing。
开箱即用：使用图卷积网络进行事实性视觉问答推理。 NeurIPS 2018。论文
梅德希尼·纳拉西曼、斯维特兰娜·拉泽布尼克、亚历山大·施温格。
结构化RNN：时空图上的深度学习。 CVPR 2016。论文
阿谢什·贾因、阿米尔·R·扎米尔、西尔维奥·萨瓦雷斯、阿舒托什·萨克赛纳。
用于目标检测的关系网络。 CVPR 2018。论文
胡瀚、顾佳源、张政、戴继峰、魏一辰。
学习区域特征以用于目标检测。 ECCV 2018。论文
顾佳源、胡瀚、王立伟、魏一辰、戴继峰。
知之越多：利用知识图谱进行图像分类。 CVPR 2017。论文
肯尼斯·马里诺、鲁斯兰·萨拉胡丁诺夫、阿比纳夫·古普塔。
理解照片中的亲属关系。 TMM 2012。论文
夏思宇、邵明、罗杰波、傅云。
用于视觉问答的图结构化表示。 CVPR 2017。论文
达米恩·特尼、刘玲巧、安东·范登亨格尔。
用于基于骨架的动作识别的空间–时间图卷积网络。 AAAI 2018。论文
严思杰、熊元军、林大华。
用于点云学习的动态图卷积网络。 CVPR 2018。论文
王岳、孙永斌、刘子威、萨玛·桑杰伊、迈克尔·M·布朗斯坦、索洛蒙·贾斯汀。
PointNet：用于3D分类和分割的点集深度学习。 CVPR 2018。论文
查尔斯·R·齐、苏浩、莫凯春、吉巴斯·列奥尼达斯。
用于RGBD语义分割的3D图神经网络。 CVPR 2017。论文
齐小娟、廖仁杰、贾佳娅、菲德勒·桑雅、乌尔塔孙·拉奎尔。
卷积之外的迭代视觉推理。 CVPR 2018。论文
陈鑫磊、李丽佳、李飞飞、阿比纳夫·古普塔。
图卷积神经网络中的动态边条件滤波器。 CVPR 2017。论文
马丁·西蒙诺夫斯基、尼科斯·科莫达基斯。
基于图神经网络的情境识别。 ICCV 2017。论文
李瑞宇、马卡兰德·塔帕斯维、廖仁杰、贾家亚、拉奎尔·乌尔塔孙、桑雅·菲德勒。
利用知识图谱进行深度推理以理解社交关系。 IJCAI 2018。论文
王周霞、陈天水、吉米·任、于伟浩、程辉、林亮。
我了解这些关系：通过双流图卷积网络和知识图谱实现零样本动作识别。 AAAI 2019。论文
高俊宇、张天柱、徐长生。
更多
基于骨架的动作识别中采用基序与可变时间块的图卷积网络。 AAAI 2019。论文
温宇辉、高林、傅洪波、张方略、夏世宏。
基于图卷积网络的多标签图像识别。 CVPR 2019。论文
陈兆民、魏秀申、王鹏、郭延文。
面向大规模目标检测的空间感知图关系网络。 CVPR 2019。论文
许航、蒋晨翰、梁晓丹、李振国。
GCAN：用于无监督域适应的图卷积对抗网络。 CVPR 2019。论文
马新红、张天柱、徐长生。
关注你的邻居：利用元数据邻域图协同注意力网络进行图像标注。 CVPR 2019。论文
张俊杰、吴奇、张健、沈春华、陆建峰。
用于将图像映射到场景图的注意力关系网络。 CVPR 2019。论文
齐孟石、李伟健、杨正源、王云鸿、罗杰波。
用于场景图生成的知识嵌入路由网络。 CVPR 2019。论文
陈天水、于伟浩、陈日泉、林亮。
用于图像字幕生成的场景图自动编码。 CVPR 2019。论文
杨旭、唐凯华、张汉旺、蔡建飞。
在亲和力图上学习对人脸进行聚类。 CVPR 2019。论文
杨雷、詹晓航、陈大鹏、闫俊杰、洛伊陈昌、林大华。
学习一种深度卷积网络，用于部分标签下的多标签分类。 CVPR 2019。论文
蒂博·杜兰、纳扎宁·梅赫拉萨、格雷格·莫里。
图卷积标签噪声清理器：训练即插即用的动作分类器用于异常检测。 CVPR 2019。论文
钟嘉兴、李楠楠、孔伟杰、刘珊、李思豪、李戈。
用于群体活动识别的学习演员关系图。 CVPR 2019。论文
吴建超、王利敏、王莉、郭杰、吴刚。
ABC：用于几何深度学习的大型CAD模型数据集。 CVPR 2019。论文
塞巴斯蒂安·科赫、阿尔伯特·马特维耶夫、江仲实、弗朗西斯·威廉姆斯、阿列克谢·阿捷莫夫、叶夫根尼·布尔纳耶夫、马克·艾莱克萨、丹尼斯·佐林、达尼埃莱·帕诺佐。
邻里守望：通过语言引导的图注意力网络进行指代表达理解。 CVPR 2019。论文
王鹏、吴奇、曹继伟、沈春华、高莲莉、安东尼·范登亨格尔。
基于图的全局推理网络。 CVPR 2019。论文
陈云鹏、马库斯·罗尔巴赫、严志成、颜水成、冯家诗、扬尼斯·卡兰提迪斯。
基于链接的人脸聚类：利用图卷积网络。 CVPR 2019。论文
王忠道、郑良、李雅丽、王圣金。
使用Curve-GCN进行快速交互式目标标注。 CVPR 2019。论文
凌欢、高俊、阿姆兰·卡尔、陈文政、桑雅·菲德勒。
用于3D人体姿态回归的语义图卷积网络。 CVPR 2019。论文
赵龙、彭曦、田宇、穆巴西尔·卡帕迪亚、迪米特里斯·N·梅塔克萨斯。
神经任务图：从单个视频演示中泛化到未见的任务。 CVPR 2019。论文
黄德安、苏拉杰·奈尔、徐丹菲、朱宇科、阿尼梅什·加格、李飞飞、西尔维奥·萨瓦雷斯、胡安·卡洛斯·尼布尔斯。
Graphonomy：通过图迁移学习实现通用人体解析。 CVPR 2019。论文
龚科、高一鸣、梁晓丹、沈晓慧、王萌、林亮。
用于人员搜索的学习上下文图。 CVPR 2019。论文
燕一超、张强、倪冰冰、张文东、徐明浩、杨晓康。
Occlusion-Net：利用图网络进行2D/3D遮挡关键点定位。 CVPR 2019。论文
N. 迪内什·雷迪、明·沃、斯里尼瓦萨·G·纳拉西曼。
MAN：用于自然语言瞬间检索的时刻对齐网络，通过迭代图调整实现。 CVPR 2019。论文
张达、戴希阳、王欣、王元芳、拉里·S·戴维斯。
上下文感知的视觉兼容性预测。 CVPR 2019。论文
吉列姆·库库鲁尔、佩鲁兹·塔斯拉基安、大卫·巴斯克斯。
用于点云语义分割的图注意力卷积。 CVPR 2019。论文
Lei Wang, Yuchun Huang, Yaolin Hou, Shenman Zhang, Jie Shan.
一种基于注意力增强的图卷积LSTM网络用于基于骨骼的动作识别。 CVPR 2019. 论文
Chenyang Si, Wentao Chen, Wei Wang, Liang Wang, Tieniu Tan.
面向骨骼动作识别的行动-结构图卷积网络。 CVPR 2019. 论文
Maosen Li, Siheng Chen, Xu Chen, Ya Zhang, Yanfeng Wang, Qi Tian.
图卷积跟踪。 CVPR 2019. 论文
Junyu Gao, Tianzhu Zhang, Changsheng Xu.
用于骨骼动作识别的双流自适应图卷积网络。 CVPR 2019. 论文
Lei Shi, Yifan Zhang, Jian Cheng, Hanqing Lu.
基于有向图神经网络的骨骼动作识别。 CVPR 2019. 论文
Lei Shi, Yifan Zhang, Jian Cheng, Hanqing Lu.
神经模块网络。 CVPR 2016. 论文
Jacob Andreas, Marcus Rohrbach, Trevor Darrell, Dan Klein.
LatentGNN：为视觉识别学习高效的非局部关系。 ICML 2019. 论文
Songyang Zhang, Shipeng Yan, Xuming He.
图卷积高斯过程。 ICML 2019. 论文
Ian Walker, Ben Glocker.
GEOMetrics：利用几何结构处理图编码对象。 ICML 2019. 论文
Edward J. Smith, Scott Fujimoto, Adriana Romero, David Meger.
用于视觉定位的跨模态上下文图网络学习。 AAAI 2020. 论文
Yongfei Liu, Bo Wan, Xiaodan Zhu, Xuming He.
基于图卷积网络的零样本草图图像检索。 AAAI 2020. 论文
Zhaolong Zhang, Yuejie Zhang, Rui Feng, Tao Zhang, Weiguo Fan.
用于人群计数的混合图神经网络。 AAAI 2020. 论文
Ao Luo, Fan Yang, Xin Li, Dong Nie, Zhicheng Jiao, Shangchen Zhou, Hong Cheng.
通过神经搜索学习用于基于骨骼的人体动作识别的图卷积网络。 AAAI 2020. 论文
Wei Peng, Xiaopeng Hong, Haoyu Chen, Guoying Zhao.
STEP：用于从步态中感知情绪的空间–时间图卷积网络。 AAAI 2020. 论文
Uttaran Bhattacharya, Trisha Mittal, Rohan Chandra, Tanmay Randhavane, Aniket Bera, Dinesh Manocha.
基于图卷积网络的关系感知行人属性识别。 AAAI 2020. 论文
Zichang Tan, Yang Yang, Jun Wan, Stan Li.
用于场景图生成的深度生成式概率图神经网络。 AAAI 2020. 论文
Mahmoud Khademi, Oliver Schulte.
基于多关系图卷积网络的零样本食材识别。 AAAI 2020. 论文
Jingjing Chen, Liang-Ming Pan, Zhi-Peng Wei, Xiang Wang, Chong-Wah Ngo, Tat-Seng Chua.
用于视频问答的位置感知图卷积网络。 AAAI 2020. 论文
Deng Huang, Peihao Chen, Runhao Zeng, Qing Du, Mingkui Tan, Chuang Gan.
通过动态图卷积的语义对应学习进行面部动作单元强度估计。 AAAI 2020. 论文
Fan Yingruo, Jacqueline C.K. Lam, Victor Li.
用于视频问答的异构图对齐推理。 AAAI 2020. 论文
Pin Jiang, Yahong Han.
基于标签图叠加的多标签分类。 AAAI 2020. 论文
Ya Wang, Dongliang He, Fu Li, Xiang Long, Zhichao Zhou, Jinwen Ma, Shilei Wen.
用于基于骨骼动作识别的部分级图卷积网络。 AAAI 2020. 论文
Linjiang Huang, Yan Huang, Wanli Ouyang, Liang Wang.
SOGNet：用于全景分割的场景重叠图网络。 AAAI 2020. 论文
Yibo Yang, Hongyang Li, Xia Li, Qijie Zhao, Jianlong Wu, Zhouchen Lin.
Universal-RCNN：通过可迁移图R-CNN实现通用目标检测器。 AAAI 2020. 论文
Hang Xu, Linpu Fang, Xiaodan Liang, Wenxiong Kang, Zhenguo Li.
基于多重图网络的抽象图式推理。 ICLR 2020. 论文
Duo Wang, Mateja Jamnik, Pietro Lio.
自然语言处理
使用图结构LSTM在Reddit上进行对话建模。 TACL 2018. 论文
Vicky Zayats, Mari Ostendorf.
学习图形状态转移。 ICLR 2017. 论文
Daniel D. Johnson.
基于注意力的图信息聚合用于多事件提取。 EMNLP 2018. 论文
Xiao Liu, Zhunchen Luo, Heyan Huang.
循环关系网络。 NeurIPS 2018. 论文
Rasmus Palm, Ulrich Paquet, Ole Winther.
从树结构长短期记忆网络中改进语义表示。 ACL 2015. 论文
Kai Sheng Tai, Richard Socher, Christopher D. Manning.
使用图卷积网络对句子进行编码以进行语义角色标注。 EMNLP 2017. 论文
Diego Marcheggiani, Ivan Titov.
带有论元感知池化的图卷积网络用于事件检测。 AAAI 2018. 论文
Thien Huu Nguyen, Ralph Grishman.
在神经机器翻译中利用语义的图卷积网络。 NAACL 2018. 论文
Diego Marcheggiani, Joost Bastings, Ivan Titov.
探索基于图结构的段落表示，结合图神经网络进行多跳阅读理解。 2018. 论文
Linfeng Song, Zhiguo Wang, Mo Yu, Yue Zhang, Radu Florian, Daniel Gildea.
在剪枝依存句树上进行图卷积可提升关系抽取效果。 EMNLP 2018。论文
张宇豪、齐鹏、克里斯托弗·D·曼宁。
利用图状态LSTM进行n元关系抽取。 EMNLP 18。论文
宋林峰、张悦、王志国、丹尼尔·吉尔迪亚。
用于AMR到文本生成的图到序列模型。 ACL 2018。论文
宋林峰、张悦、王志国、丹尼尔·吉尔迪亚。
使用门控图神经网络的图到序列学习。 ACL 2018。论文
丹尼尔·贝克、戈拉姆雷扎·哈法里、特雷弗·科恩。
基于图LSTM的跨句n元关系抽取。 TACL。论文
彭楠云、庞会峰、克里斯·奎克、克里斯蒂娜·陶塔诺娃、叶文涛。
用于文本表示的句子状态LSTM。 ACL 2018。论文
张悦、刘琦、宋林峰。
基于序列和树结构LSTM的端到端关系抽取。 ACL 2016。论文
三轮真、莫希特·班萨尔。
面向语法感知的神经机器翻译的图卷积编码器。 EMNLP 2017。论文
约斯特·巴斯廷斯、伊万·季托夫、维尔克·阿齐兹、迭戈·马尔切贾尼、哈利勒·西马安。
基于图卷积网络的半监督用户地理位置定位。 ACL 2018。论文
阿夫辛·拉希米、特雷弗·科恩、蒂莫西·鲍德温。
利用门控图神经网络建模语义以进行知识库问答。 COLING 2018。论文
达尼尔·索罗金、伊琳娜·古列维奇。
用于文本分类的图卷积网络。 AAAI 2019。论文
姚亮、毛成胜、罗源。
更多
构建叙事事件演化图以预测剧本事件。 IJCAI 2018。论文
李仲阳、丁晓、刘婷。
利用图卷积网络将句法和语义信息融入词嵌入中。 ACL 2019。论文
希卡尔·瓦希什特、马尼克·班达里、普拉蒂克·亚达夫、皮尤什·赖、奇兰吉布·巴塔查里亚、帕尔塔·塔卢克达尔。
PaperRobot：科学思想的增量式草稿生成。 ACL 2019。论文
王庆云、黄立夫、蒋志英、凯文·奈特、季恒、莫希特·班萨尔、栾毅。
基于文档级图卷积神经网络的句间关系抽取。 ACL 2019。论文
苏尼尔·库马尔·萨胡、费尼亚·克里斯托普鲁、三轮真、索菲娅·阿纳尼亚杜。
通过多模态上下文图理解和自监督开放集理解进行教科书问答。 ACL 2019。论文
金大植、金善勋、郭诺俊。
通过推理异质图实现跨多篇文档的多跳阅读理解。 ACL 2019。论文
涂明、王广涛、黄静、唐云、何晓东、周博文。
用于多跳推理的动态融合图网络。 ACL 2019。论文
肖云轩、屈燕茹、邱琳、周浩、李磊、张伟南、于勇。
用于大规模多跳阅读理解的认知图。 ACL 2019。论文
丁明、周昌、陈启斌、杨红霞、唐杰。
通过图卷积网络对实体和关系进行联合类型推断。 ACL 2019。论文
孙长志、龚叶云、吴远彬、龚明、江大兴、满兰、孙世良1、段楠。
用于关系抽取的注意力引导图卷积网络。 ACL 2019。论文
郭志江、张燕、陆伟。
GraphRel：将文本建模为关系图以进行实体与关系的联合抽取。 ACL 2019。论文
傅子睿、李鹏轩、马薇芸。
带有生成参数的图神经网络用于关系抽取。 ACL 2019。论文
朱浩、林延凯、刘志远、付杰、蔡添生、孙茂松。
从文本和实体的图表示中生成逻辑形式。 ACL 2019。论文
彼得·肖、菲利普·马西、安杰莉卡·陈、弗朗切斯科·皮奇诺、雅塞敏·阿尔通。
通过图形分解和卷积匹配文章对。 ACL 2019。论文
刘邦、牛迪、魏浩杰、林景宏、何彦诚、赖坤峰、徐宇。
利用图神经网络表示模式结构以进行文本到SQL解析。 ACL 2019。论文
本·博金、马特·加德纳、乔纳森·伯兰特。
基于图到序列模型为中国文章生成连贯评论。 ACL 2019。论文
李伟、许晶晶、何彦诚、闫胜利、吴云芳、徐逊。
GEAR：基于图的证据聚合与推理用于事实核查。 ACL 2019。论文
周杰、韩旭、杨程、刘志远、王立峰、李昌成、孙茂松。
再看句法：用于性别歧义代词消解的关联图卷积网络。 ACL 2019。论文
许银川、杨俊林。
结构化神经摘要。 ICLR 2019。论文
帕特里克·费尔南德斯、米尔蒂阿迪斯·阿拉马尼斯、马克·布罗克斯施密特。
通过知识图嵌入和图卷积网络进行长尾关系抽取。 NAACL 2019。论文
张宁宇、邓淑敏、孙占林、王冠英、陈曦、张伟、陈华军。
利用图变换器从知识图生成文本。 NAACL 2019。论文
里克·孔切尔-凯济奥尔斯基、达努什·贝卡尔、栾毅、米雷拉·拉帕塔、汉内赫·哈吉希尔齐。
利用图卷积网络跨文档推理进行问答。 NAACL 2019。论文
尼古拉·德·考、威尔克·阿齐兹、伊万·季托夫。
BAG：用于多跳推理问答的双向注意力实体图卷积网络。 NAACL 2019。论文
曹宇、方萌、陶大成。
GraphIE：一种基于图的信息抽取框架。 NAACL 2019。论文
钱宇杰、恩里科·桑图斯、金志静、郭江、雷吉娜·巴尔齐莱。
用于从富含视觉信息文档中进行多模态信息抽取的图卷积。 NAACL 2019。论文
刘晓静、高飞宇、张琼、赵华莎。
用于AMR到文本生成的结构化神经编码器。 NAACL 2019。论文
马可·达蒙特、谢伊·B·科恩。
利用图卷积网络进行辱骂性语言检测。 NAACL 2019。论文
普什卡尔·米什拉、马可·德尔·特雷迪奇、海伦·扬纳库达基斯、叶卡捷琳娜·舒托娃。
学习用于文本表示的图池化与混合卷积操作。 WWW 2019。论文
高洪洋、陈永军、季水旺。
基于图的Transformer结合跨候选验证的语义解析。 AAAI 2020。论文
邵博、龚业云、戚伟珍、曹桂红、季建树、林小啦。
具有可证明保证的高效多人姿态估计。 AAAI 2020。论文
王绍飞、康拉德·保罗·科尔丁、朱利安·亚科尼。
用于图到序列学习的图Transformer。 AAAI 2020。论文
蔡登、黄伟。
基于非局部注意力的图卷积网络用于多标签专利分类。 AAAI 2020。论文
唐平杰、蒋萌、夏布莱恩（宁）、皮特拉·杰德、韦尔瑟·杰夫、查瓦拉·尼特什。
利用图卷积神经网络和词义消歧进行隐喻检测的多任务学习。 AAAI 2020。论文
黎仲明、泰美和阮天友。
基于模式指导的多领域对话状态跟踪，采用图注意力神经网络。 AAAI 2020。论文
陈璐、吕博、王驰、朱苏、谭博文、于凯。
GraphER：基于图卷积神经网络的以标记为中心的实体消歧。 AAAI 2020。论文
李冰、王伟、孙怡芳、张林涵、穆罕默德·阿西夫·阿里、王毅。
CFGNN：用于复杂表格问答的交叉流图神经网络。 AAAI 2020。论文
张轩宇。
生成
面向目标导向分子图生成的图卷积策略网络。 NeurIPS 2018。论文
游家轩、刘博文、雷克斯·英、维贾伊·潘德、尤雷·莱斯科维茨。
通过正则化变分自编码器约束生成语义有效的图。 NeurIPS 2018。论文
马腾飞、陈杰、肖操。
学习图的深度生成模型。 ICLR Workshop 2018。论文
李宇佳、奥里奥尔·维尼亚尔斯、克里斯·戴尔、拉兹万·帕斯卡努、彼得·巴塔利亚。
MolGAN：一种用于小型分子图的隐式生成模型。 2018。论文
尼古拉·德·考、托马斯·基普夫。
GraphRNN：利用深度自回归模型生成逼真的图。 ICML 2018。论文
游家轩、雷克斯·英、任翔、威廉·L·汉密尔顿、尤雷·莱斯科维茨。
NetGAN：通过随机游走生成图。 ICML 2018。论文
亚历山大·博伊切夫斯基、奥列克桑德尔·舒尔、丹尼尔·祖格纳、施特凡·居内曼。
Graphite：图的迭代生成建模。 ICML 2019。论文
阿迪蒂亚·格罗弗、亚伦·兹威格、斯特法诺·埃尔蒙。
基于图的代码生成建模。 ICLR 2019。论文
马克·布罗克斯希密特、米尔蒂阿迪斯·阿拉马尼斯、亚历山大·L·高特、奥列克桑德尔·波洛佐夫。
利用图递归注意力网络高效生成图。 NeurIPS 2019。论文
廖仁杰、李宇佳、宋阳、王申龙、汉密尔顿、杜文诺德、乌尔塔孙、理查德·泽梅尔。
图归一化流。 NeurIPS 2019。论文
詹妮·刘、阿维拉尔·库马尔、吉米·巴、杰米·基罗斯、凯文·斯韦尔斯基。
通过图变分生成对抗网络进行条件结构生成。 NeurIPS 2019。论文
杨卡尔、庄佩叶、石文翰、卢艾伦、李盼。
GraphAF：一种基于流的自回归模型，用于分子图生成。 ICLR 2020。论文
史晨策、徐敏凯、朱兆成、张卫楠、张明、唐健。
组合优化
利用图卷积网络与引导式树搜索进行组合优化。 NeurIPS 2018。论文
李竹文、陈启峰、弗拉德伦·科尔屯。
从单比特监督中学习SAT求解器。 ICLR 2019。论文
丹尼尔·塞尔萨姆、马修·拉姆、本尼迪克特·宾茨、珀西·梁、莱昂纳多·德·莫拉、大卫·L·迪尔。
关于利用图神经网络学习二次指派问题算法的注记。 PADL 2017。论文
亚历克斯·诺瓦克、索莱达德·比利亚尔、阿丰索·S·班代拉、琼·布鲁纳。
注意力近似解决你的TSP问题。 2018。论文
沃特·库尔、赫尔克·范霍夫、马克斯·韦灵。
学习解决NP完全问题——用于决策型TSP的图神经网络。 AAAI 2019。论文
马塞洛·O·R·普拉特斯、佩德罗·H·C·阿韦拉尔、恩里克·莱莫斯、路易斯·兰布、莫舍·瓦尔迪。
DAG-GNN：利用图神经网络进行有向无环图结构学习。 ICML 2019。论文
于悦、陈杰、高田、于墨。
利用图卷积神经网络进行精确的组合优化。 NeurIPS 2019。论文
马克西姆·加斯、迪迪埃·谢特拉、尼古拉·费罗尼、洛朗·沙尔林、安德烈亚·洛迪。
图神经网络在组合问题中的近似比。 NeurIPS 2019。论文
佐藤龙马、山田诚、鹿岛久史。
对抗攻击
针对图数据神经网络的对抗攻击。 KDD 2018。论文
丹尼尔·祖格纳、阿米尔·阿克巴尔内贾德、施特凡·居内曼。
针对图结构数据的对抗攻击。 ICML 2018。论文
韩俊·戴、慧丽、田田、欣黄、林王、朱军、宋乐。
图数据上的对抗样本：对攻击与防御的深入洞察。 IJCAI 2019。论文
吴辉俊、王晨、尤里·蒂谢茨基、安德鲁·多赫蒂、凯·卢、朱立明。
图神经网络的拓扑攻击与防御：优化视角。 IJCAI 2019。论文
徐凯迪、陈洪格、刘思嘉、陈品宇、翁翠薇、洪明义、林雪。
对抗攻击下的鲁棒图卷积网络。 KDD 2019。论文
朱定远、张子威、崔鹏、朱文武。
图卷积网络的可认证鲁棒性与鲁棒训练。 KDD 2019。论文
丹尼尔·祖格纳、施特凡·居内曼。
通过图中毒进行节点嵌入的对抗攻击。 ICML 2019。论文
亚历山大·博伊切夫斯基、施特凡·居内曼。
基于元学习的图神经网络对抗攻击。 ICLR 2019。论文
丹尼尔·祖格纳、施特凡·居内曼。
PeerNets：利用同伴智慧抵御对抗攻击。 ICLR 2019。论文
扬·斯沃博达、乔纳森·马斯奇、费德里科·蒙蒂、迈克尔·布朗斯坦、莱昂尼达斯·吉巴斯。
对图扰动的可认证鲁棒性。 NeurIPS 2019。论文
亚历山大·博伊切夫斯基、施特凡·居内曼。
面向基于图的半监督学习的数据毒化攻击统一框架。 NeurIPS 2019。论文
刘玄庆、司司、朱杰瑞、李阳、谢卓睿。
GNNGuard：防御图神经网络对抗攻击。 NeurIPS 2020。论文
张翔、马林卡·齐特尼克。
图聚类
属性图聚类：一种深度注意力嵌入方法。 IJCAI 2019。论文
王春、潘世睿、胡瑞琪、龙国栋、蒋静、张成启。
基于自适应图卷积的属性图聚类。 IJCAI 2019。论文
张晓彤、刘汉、李启梅、吴小明。
图分类
上下文图马尔可夫模型：一种深度生成式图处理方法。 ICML 2018。论文
达维德·巴丘、费德里科·埃里卡、阿莱西奥·米凯利。
半监督图分类：层次化图视角。 WWW 2019。论文
李佳、荣宇、程宏、孟海伦、黄文兵、黄俊州。
DDGK：用于深度分歧图核的图表示学习。 WWW 2019。论文
拉米·阿尔-尔富、达斯汀·泽勒、布莱恩·佩罗齐。
基于图-图邻近性的无监督归纳式图级别表示学习。 IJCAI 2019。论文
白云生、丁浩、乔杨、阿古斯丁·马里诺维奇、肯·顾、陈婷、孙一舟、王伟。
基于基序匹配的子图级别注意力卷积网络用于图分类。 AAAI 2020。论文
彭浩、李建新、龚齐然、宁元兴、王森章、何丽芳。
InfoGraph：基于互信息最大化的无监督与半监督图级别表示学习。 ICLR 2020。论文
孙凡云、乔丹·霍夫曼、维卡斯·维尔马、唐健。
图神经网络在图分类任务中的公平比较。 ICLR 2020。论文
费德里科·埃里卡、马尔科·波达、达维德·巴丘、阿莱西奥·米凯利。
强化学习
NerveNet：使用图神经网络学习结构化策略。 ICLR 2018。论文
王婷武、廖仁杰、吉米·巴、桑雅·菲德勒。
基于图神经网络的结构化对话策略。 ICCL 2018。论文
陈璐、谭博文、龙思山、于凯。
动作模式网络：利用深度学习实现泛化策略。 AAAI 2018。论文
萨姆·托耶、费利佩·特雷维赞、西尔维·蒂博、谢乐兴。
人类与机器中物理构建的关联归纳偏置。 CogSci 2018。论文
杰西卡·B·哈姆里克、凯尔西·R·艾伦、维克多·巴普斯特、蒂娜·朱、凯文·R·麦基、乔舒亚·B·特南鲍姆、彼得·W·巴塔利亚。
关系型深度强化学习。 arxiv 2018。论文
维尼修斯·赞巴尔迪、大卫·拉波索、亚当·桑托罗、维克多·巴普斯特、李宇嘉、伊戈尔·巴布什金、卡尔·图尔斯、大卫·赖歇特、蒂莫西·利利克拉普、爱德华·洛克哈特、默里·沙纳汉、维多利亚·兰斯顿、拉兹万·帕斯卡努、马修·博特维尼克、奥里奥尔·维尼亚尔斯、彼得·巴塔利亚。
基于图的深度强化学习玩文字冒险游戏。 NAACL 2019。论文
普里特维拉吉·阿曼纳布罗卢、马克·O·里德尔。
学习可迁移的图探索。 NeurIPS 2019。论文
戴汉军、李宇嘉、王成龙、里沙布·辛格、黄宗庆、普什米特·科利。
语义环境中基于图神经网络和强化学习的行为生成。 IV 2020。论文
帕特里克·哈特、阿洛伊斯·克诺尔。
基于图注意力神经网络的多智能体博弈抽象。 AAAI 2020。论文
刘勇、王伟勋、胡玉静、郝建业、陈兴国、高洋。
图卷积强化学习。 ICLR 2020。论文
蒋杰川、邓晨、黄铁军、陆宗庆。
基于强化学习的图到序列模型用于自然问题生成。 ICLR 2020。论文
陈宇、吴凌飞、穆罕默德·J·扎基。
用于优化计算图的强化遗传算法学习。 ICLR 2020。论文
阿迪提亚·帕利瓦尔、费利克斯·吉梅诺、维诺德·奈尔、李宇嘉、迈尔斯·卢宾、普什米特·科利、奥里奥尔·维尼亚尔斯。
交通网络
用于网约车需求预测的时空多图卷积网络。 AAAI 2019。论文
耿旭、李亚光、王乐业、张凌宇、杨强、叶杰平、刘燕。
基于注意力的时空图卷积网络用于交通流量预测。 AAAI 2019。论文
郭圣楠、林友芳、冯宁、宋超、万怀宇。
交通图卷积循环神经网络：一种用于网络尺度交通学习与预测的深度学习框架。 arxiv 2018。论文
崔志勇、克里斯蒂安·亨里克森、柯瑞敏、王银海。
时空图卷积网络：一种用于交通预测的深度学习框架。 IJCAI 2018。论文
于冰、尹浩腾、朱展星。
通过图卷积预测OD矩阵：乘客需求建模的新视角。 KDD 2019。论文
王远东、殷洪志、陈宏旭、沃天宇、徐杰、郑凯。
在时变图中预测路径失效。 KDD 2019。论文
李佳、韩志超、程宏、苏娇、王鹏云、张建峰、潘路嘉。
利用图卷积网络对道路网络进行随机权重补全。 ICDE 2019。论文
胡吉林、郭晨娟、杨斌、克里斯蒂安·S·延森。
STG2Seq：用于多步乘客需求预测的时空图到序列模型。 IJCAI 2019。论文
白磊、姚丽娜、萨利尔·S·卡内雷、王贤志、盛泉·Z。
用于深度时空图建模的图WaveNet。 IJCAI 2019。论文
吴宗翰、潘世睿、龙国栋、江静、张承琪。
用于全市停车空位预测的半监督分层循环图神经网络。 AAAI 2020。论文
张伟佳、刘浩、刘艳池、周景波、熊辉。
Social-BiGAT：利用Bicycle-GAN和图注意力网络进行多模态轨迹预测。 NeurIPS 2019。论文
维尼特·科萨拉朱、阿米尔·萨德吉安、罗伯托·马丁-马丁、伊恩·里德、哈米德·雷扎托菲吉、西尔维奥·萨瓦雷斯。
GMAN：一种用于交通预测的图多注意力网络。 AAAI 2020。论文
郑传攀、范晓亮、王成、齐建忠。
少样本与零样本学习
基于图神经网络的少样本学习。 ICLR 2018。论文
Victor Garcia, Joan Bruna.
用于类别图上弱监督少样本学习的原型传播网络（PPN）。 IJCAI 2019。论文
刘璐、周天一、龙国栋、蒋静、姚丽娜、张成奇。
面向少样本学习的边标注图神经网络。 CVPR 2019。论文
金钟民、金泰燮、金成雄、柳昌德。
利用GNN去噪自编码器生成分类权重以进行少样本学习。 CVPR 2019。论文
斯皮罗斯·吉达里斯、尼科斯·科莫达基斯。
通过语义嵌入和知识图谱实现零样本识别。 CVPR 2018。论文
王小隆、叶宇飞、阿比纳夫·古普塔。
重新思考知识图谱传播在零样本学习中的应用。 CVPR 2019。论文
迈克尔·坎普夫迈耶、陈银波、梁晓丹、王浩、张宇佳、埃里克·P·辛格。
基于结构化知识图谱的多标签零样本学习。 CVPR 2018。论文
李忠伟、方伟、叶志宽、王宇强。
用于图元学习的传播学习。 NeurIPS 2019。论文
刘璐、周天一、龙国栋、蒋静、张成奇。
基于注意力图神经网络的零样本视频目标分割 ICCV 2019。论文
王文冠、陆献凯、沈建兵、大卫·克兰达尔、邵玲。
用于图零样本学习的属性传播网络。 AAAI 2020。论文
刘璐、周天一、龙国栋、蒋静、张成奇。
通过知识迁移实现图上的少样本学习。 AAAI 2020。论文
姚华秀、张楚旭、魏莹、江萌、王苏航、黄俊洲、尼特什·乔拉、李振辉。
基于图谱特征的超类别图上的少样本学习。 ICLR 2020。论文
贾廷·乔汉、迪帕克·纳塔尼、马诺哈尔·考尔。
学习外推知识：归纳式少样本图外链接预测。 NeurIPS 2020。论文
白珍宪、李东福、黄成柱。
基于局部子图的图元学习。 NeurIPS 2020。论文
黄可欣、马林卡·齐特尼克。
程序表示
使用图表示学习程序。 ICLR 2018。论文
米尔蒂亚迪斯·阿拉马尼斯、马克·布罗克斯希密特、马哈茂德·哈德米。
基于图结构缓存的源代码开放词汇表学习。 ICML 2019。论文
米兰·茨维特科维奇、巴达尔·辛格、阿尼玛·阿南德库马尔。
Devign：通过图神经网络学习全面的程序语义以有效识别漏洞。 NeurIPS 2019。论文
周雅琴、刘尚青、萧景凯、杜晓宁、刘洋。
LambdaNet：利用图神经网络进行概率类型推断。 ICLR 2020。论文
魏嘉怡、马鲁特·戈亚尔、格雷格·杜雷特、伊西尔·迪利格。
HOPPITY：学习图变换以检测和修复程序中的缺陷。 ICLR 2020。论文
伊丽莎白·迪内拉、戴翰俊、李子阳、奈克·马尤尔、宋乐、王科。
社交网络
基于图神经网络的链接预测。 NeurIPS 2018。论文
张牧涵、陈奕昕。
DeepInf：利用深度学习进行社会影响力预测。 KDD 2018。论文
邱杰中、唐健、马浩、董宇霄、王宽山、唐杰。
用应用内行为图刻画并预测用户参与度：以Snapchat为例。 KDD 2019。论文
刘耀增、史晓琳、皮尔斯·卢卡斯、任翔。
MCNE：一种端到端框架，用于学习社交网络的多种条件性网络表示。 KDD 2019。论文
王浩、徐通、刘琪、连德富、陈恩洪、杜东方、吴汉、苏文。
一个向量就够了吗？探索节点多义性以进行网络嵌入。 KDD 2019。论文
刘宁昊、谭巧玉、李悦宁、杨红霞、周京仁、胡霞。
利用图卷积网络编码社交信息以检测新闻媒体中的政治观点。 ACL 2019。论文
李畅、丹·戈德瓦瑟。
利用异质图卷积网络进行细粒度事件分类。 IJCAI 2019。论文
彭浩、李建新、龚启然、宋扬秋、宁远兴、赖坤峰、菲利普·S·余。
结合马尔可夫随机场推理的图卷积网络用于社交垃圾信息检测。 AAAI 2020。论文
吴永吉、连德富、许益恒、吴乐、陈恩洪。
利用双向图卷积网络检测社交媒体上的谣言。 AAAI 2020。论文
卞田、肖曦、许婷阳、赵佩琳、黄文兵、荣宇、黄俊州。
图匹配
深度图匹配共识。 ICLR 2020。论文
马蒂亚斯·费伊、扬·E·伦森、克里斯托弗·莫里斯、乔纳森·马斯奇、尼尔斯·M·克里格。
计算机网络
揭示图神经网络在SDN中用于网络建模和优化的潜力。 ACM SOSR 2019。论文
克日什托夫·鲁塞克、何塞·苏亚雷斯-巴雷拉、阿尔伯特·梅斯特雷斯、佩雷·巴列特-罗斯、阿尔伯特·卡贝略斯-阿帕里西奥。
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。
scikit-learn
scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。 对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。 其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最
keras
Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。 无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。 Keras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。