加载中...
分类 - 图神经网络系列
2022
AAAI 2022丨LUNAR:基于图神经网络的统一离群点检测方法
AAAI 2022丨LUNAR:基于图神经网络的统一离群点检测方法
AAAI 2022丨图神经网络相关论文概览
AAAI 2022丨图神经网络相关论文概览
2021
NIPS 2017丨寻找图上唯一、稳定、稀疏和快速的特征学习方法
NIPS 2017丨寻找图上唯一、稳定、稀疏和快速的特征学习方法
ICML 2019丨LDS:面向图神经网络的离散图结构学习
ICML 2019丨LDS:面向图神经网络的离散图结构学习
AAAI 2018 | DGCNN:针对图分类任务的端到端深度学习框架
AAAI 2018 | DGCNN:针对图分类任务的端到端深度学习框架
NeurIPS 2020 | RWNN:随机游走图神经网络
NeurIPS 2020 | RWNN:随机游走图神经网络
ICML 2021 | 基于因果匿名游走的时序网络归纳表示学习模型
ICML 2021 | 基于因果匿名游走的时序网络归纳表示学习模型
NeurIPS 2020 | 基于图表示学习的缺失特征填充和标签预测模型
NeurIPS 2020 | 基于图表示学习的缺失特征填充和标签预测模型
ICML 2021 | 针对图神经网络的通用因果解释方法
ICML 2021 | 针对图神经网络的通用因果解释方法
LRGCN-SAPE:时序图中的故障路径预测模型
LRGCN-SAPE:时序图中的故障路径预测模型
AGC:基于自适应图卷积的属性图聚类模型
AGC:基于自适应图卷积的属性图聚类模型
SNAPSKETCH:基于图表示学习的图流异常检测模型
SNAPSKETCH:基于图表示学习的图流异常检测模型
C&S:标签传播思想与浅层模型相结合性能即可超过图神经网络
C&S:标签传播思想与浅层模型相结合性能即可超过图神经网络
TGNs:动态图中高效通用的时序图卷积网络框架
TGNs:动态图中高效通用的时序图卷积网络框架
AGCN:自适应图大小的图卷积网络模型
AGCN:自适应图大小的图卷积网络模型
AddGraph:基于时空图注意力网络的动态图异常检测
AddGraph:基于时空图注意力网络的动态图异常检测
graph2vec:图级别的表示学习模型
graph2vec:图级别的表示学习模型
DAG-GNN:基于图神经网络的有向无环图结构表示学习
DAG-GNN:基于图神经网络的有向无环图结构表示学习
2020
【2019/SDM】Deep Anomaly Detection on Attributed Networks
【2019/SDM】Deep Anomaly Detection on Attributed Networks
NIPS 2017 | GraphSAGE:大规模图上的归纳表示学习模型
NIPS 2017 | GraphSAGE:大规模图上的归纳表示学习模型
【2019/ICLR】Simplifying Graph Convolutional Networks
【2019/ICLR】Simplifying Graph Convolutional Networks
GAT:图注意力网络
GAT:图注意力网络
VGAE:图变分自编码器
VGAE:图变分自编码器
【2020/WWW】Structural Deep Clustering Network
【2020/WWW】Structural Deep Clustering Network
2019
【2019/DLG】Overlapping Community Detection with Graph Neural Networks
【2019/DLG】Overlapping Community Detection with Graph Neural Networks
【2019/CVPR】Graph Convolutional Label Noise Cleaner for Anomaly Detection
【2019/CVPR】Graph Convolutional Label Noise Cleaner for Anomaly Detection
【2019/ACL】Attention Guided Graph Convolutional Networks for Relation Extraction
【2019/ACL】Attention Guided Graph Convolutional Networks for Relation Extraction
【2019/ACL】Learning Attention-based Embeddings for Relation Prediction in Knowledge Graphs
【2019/ACL】Learning Attention-based Embeddings for Relation Prediction in Knowledge Graphs
【2019/ICML】Position-aware Graph Neural Networks
【2019/ICML】Position-aware Graph Neural Networks
【2019/CVPR】Linkage Based Face Clustering via Graph Convolution Network
【2019/CVPR】Linkage Based Face Clustering via Graph Convolution Network
DeepGCNs:采用 CNNs 的思路来训练更深 GCNs 模型
DeepGCNs:采用 CNNs 的思路来训练更深 GCNs 模型
【2019/AAAI】Multi-Stage Self-Supervised Learning for Graph Convolutional Networks
【2019/AAAI】Multi-Stage Self-Supervised Learning for Graph Convolutional Networks
【2018/ESWC】Modeling Relational Data with Graph Convolutional Networks
【2018/ESWC】Modeling Relational Data with Graph Convolutional Networks
KDD 2016 | node2vec:可扩展的网络特征学习模型
KDD 2016 | node2vec:可扩展的网络特征学习模型
【2018/AAAI】Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning
【2018/AAAI】Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning
【2018/AAAI】An End-to-End Deep Learning Architecture for Graph Classification
【2018/AAAI】An End-to-End Deep Learning Architecture for Graph Classification
【2018/NeurIPS】Structure-Aware Convolutional Neural Networks
【2018/NeurIPS】Structure-Aware Convolutional Neural Networks
【2018/ICLR】FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS
【2018/ICLR】FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS
【2015/WWW】LINE:Large-scale Information Network Embedding
【2015/WWW】LINE:Large-scale Information Network Embedding