文献类型：期刊文章

作　　者：白铂[1] 刘玉婷[2] 马驰骋[3,4] 王光辉[5] 闫桂英[3,4] 闫凯[5] 张明[5] 周志恒[3,4]

Bo Bai;Yuting Liu;Chicheng Ma;Guanghui Wang;Guiying Yan;Kai Yan;Ming Zhang;Zhiheng Zhou

机构地区：[1]华为技术有限公司2012实验室理论研究部,中国香港 [2]北京交通大学理学院,北京100044 [3]中国科学院数学与系统科学研究院,北京100190 [4]中国科学院大学数学科学学院,北京100049 [5]山东大学数学学院,济南250100

出　　处：《中国科学：数学》

基　　金：国家自然科学基金(批准号:11631014和11871311);中央高校基本科研业务费(批准号:2018JBM320)资助项目.

年　　份：2020

卷　　号：50

期　　号：3

起止页码：367-384

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD2019_2020、JST、PUBMED、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,随着海量数据的涌现,可以表示对象之间复杂关系的图结构数据越来越受到重视并给已有的算法带来了极大的挑战.图神经网络作为可以揭示深层拓扑信息的模型,已开始广泛应用于诸多领域,如通信、生命科学和经济金融等.本文对近几年来提出的图神经网络模型和应用进行综述,主要分为以下几类:基于空间方法的图神经网络模型、基于谱方法的图神经网络模型和基于生成方法的图神经网络模型等,并提出可供未来进一步研究的问题.

关 键 词：图结构数据  图神经网络  空间方法  谱方法 图自编码器  图对抗生成网络  图循环神经网络  

分 类 号：TP183]