图卷积神经网络理论与应用

摘要

近几年,图神经网络(Graph Neural Network,GNN)的成功推动了物理、生物、化学、计算机视觉、自然语言处理等众多领域的研究。许多深度学习任务,如语义分割、文本分类和动作识别,由以往使用欧式数据的卷积神经网络(Convolutional neural network,CNN)和循环神经网络(Recurrent Neural Network,RNN)方法转变为使用非欧式数据的GNN方法。在GNN地推动下,通过借鉴CNN、RNN等神经网络的思想,研究者定义和设计了用于处理图数据的特殊网络—图卷积神经网络(Graph Convolutional Network,GCN)。本文中,将对GNN、GCN以及GCN的变体进行介绍,讨论GCN在多个领域的应用,并对GCN未来的研究方向进行思考。