58页PPT揭示图神经网络研究最新进展

点击上方&＃xff0c;选择星标或置顶&＃xff0c;每天给你送干货&＃xff01;

阅读大概需要8分钟

跟随小博主&＃xff0c;每天进步一丢丢

来源 | 我爱计算机视觉

该PPT作者为图神经网络领域权威、斯坦福大学副教授Jure Leskovec&＃xff0c;其也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。为作者前段时间在清华的演讲PPT。

较为完备地介绍了图神经网络研究的最新进展&＃xff0c;使用目前大热的深度学习技术&＃xff0c;学习将图结构编码为低维嵌入&＃xff0c;特别讨论了图卷积网络&＃xff0c;介绍了其在推荐系统、医疗健康、知识表示与推理方面的应用。

本文并不完整&＃xff0c;下载完整81页PDF&＃xff0c;请见下面的下载地址&＃xff1a;

链接&＃xff1a;https://pan.baidu.com/s/1aYJOjgd1fUkIP9TVRF1SQQ

提取码&＃xff1a;ky3w

方便交流学习&＃xff0c;备注&＃xff1a;昵称-学校&＃xff08;公司&＃xff09;-方向&＃xff0c;进入DL&NLP交流群。
方向有很多&＃xff1a;机器学习、深度学习&＃xff0c;python&＃xff0c;情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。记得备注呦推荐阅读&＃xff1a;【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency  Parsing
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】Semi-supervised Sequence Learning半监督序列学习
【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing
详解Transition-based Dependency parser基于转移的依存句法解析器经验 | 初入NLP领域的一些小建议
学术 | 如何写一篇合格的NLP论文
干货 | 那些高产的学者都是怎样工作的&＃xff1f;
一个简单有效的联合模型
近年来NLP在法律领域的相关研究工作让更多的人知道你“在看”