[摘要]  图卷积网络（Graph Convolution Networks，GCN）是很多复杂的图神经网络（Graph Neural Network，GNN）模型的基础。一般来说，GCN可以分为基于谱的方法（Spectral-based approach）和基于空间的方法（Spatial-based appr...

[摘要]  图神经网络(GNN)最新研究进展大会详情： 由于深度学习在可推理和可解释性方面的局限性，结合图计算与深度学习的图神经网络 ( GNN ) 成为近期学术界和工业界研究的热点新方向之一，并在社交网络、推荐系统等领域得到了广泛的应用。 本次技术沙龙，由北京邮电大学 GAMMA Lab 博士生纪厚业出品，邀...

[摘要]  Google Graph Mining @ NeurIPS 2020 Tutorial 导读：Google的Graph Mining团队出席2020 NeurIPS会议。并于12月6日（星期日）对相关研究领域进行了介绍，本文介绍Graph Mining团队负责人的相关报告，及部分成员在可拓展性GNN...

[摘要]  本次调研主要动机是由于近期实验涉及相关问题而进行的调研，由于实验的设置是半监督学习模式，而传统GNN模型或异构信息网络表示模型在应用的时候，大多没有对半监督学习模式下的GNN模型做深入的研究。通过调研发现相关论文主要集中于这两年，分两大类方向，本文讲对这两大类的三篇顶会文章进行介绍。

[摘要]  简介 CNCC已经开完，该会在网络行为分析领域请了一些专家学者来对自己的相关工作进行介绍，在听取了相关会议内容后，其中有一个报告给我留下了极大的印象，该报告对具体问题给出了一种基于图的流量新特征，并取得了很好的效果，这在之前我所了解的方法里是非常新颖的，故此将其记录下来，希望能够对各位同...