图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。
西电TKDE 2021 | 可解释高效的异质图卷积神经网络
专知会员服务
25+阅读 · 2021年11月14日
专知会员服务
19+阅读 · 2021年9月12日
专知会员服务
67+阅读 · 2021年4月27日
【WWW2021】张量时间序列网络
专知会员服务
43+阅读 · 2021年4月20日
专知会员服务
39+阅读 · 2021年4月5日
专知会员服务
27+阅读 · 2021年3月17日
【WWW2021】兴趣感知消息传递图卷积神经网络的推荐
专知会员服务
44+阅读 · 2021年2月23日
【AAAI2021】面向交通需求预测的耦合层图卷积
专知会员服务
43+阅读 · 2021年1月31日
【WSDM2021】保存节点相似性的图卷积网络
专知会员服务
40+阅读 · 2020年11月22日
微信扫码咨询专知VIP会员