202009.综述：GNN图神经网络研究：Graph neural networks：A review of methods and applications

zotero库链接
pdf链接：Graph neural networks_2020_Zhou et al

翻译：
摘要：
许多学习任务需要处理图形数据，其中包含元素之间丰富的关系信息。物理系统建模、学习分子指纹、预测蛋白质界面和疾病分类需要一个模型来从图形输入中学习。在其他领域，例如从文本和图像等非结构数据中学习，对提取的结构（例如句子的依存树和图像的场景图）进行推理是一个重要的研究课题，也需要图推理模型。图神经网络（GNN）是通过图节点之间传递消息来捕获图依赖性的神经模型。近年来，图卷积网络（GCN）、图注意网络（GAT）、图循环网络（GRN）等 GNN 的变体在许多深度学习任务上表现出了突破性的性能。在本次调查中，我们提出了 GNN 模型的通用设计流程，并讨论了每个组件的变体，系统地对应用进行了分类，并提出了四个未来研究的开放问题。