给你找了几篇,推荐b站一个同济子豪兄的博主,你可以去看看。
- Graph Convolutional Networks: A Comprehensive Review:该论文介绍了图卷积网络(GCN)的基本概念和原理,以及它们在各种应用中的成功例子。该论文还概述了GCN的各种变体,包括时空GCN、深度GCN和图注意力网络。
- Graph Attention Networks:该论文提出了一种新型的图神经网络模型,称为图注意力网络(GAT)。该模型使用注意力机制来学习节点之间的关系,并且可以处理图中的不同类型的边。
- GraphSAGE: Inductive Representation Learning on Large Graphs:该论文提出了一种新型的图神经网络模型,称为GraphSAGE。该模型使用随机游走来采样节点的邻居,并使用神经网络来学习节点的表示。
- Simplifying Graph Convolutional Networks:该论文提出了一种简化版的图卷积网络(GCN)模型,称为GCNII。该模型通过减少参数数量和减少计算成本来提高GCN的效率。
- Gated Graph Sequence Neural Networks:该论文提出了一种新型的图神经网络模型,称为GGNN。该模型使用循环神经网络(RNN)来学习图中节点之间的依赖关系,并且可以处理动态图。