「图神经网络GNN:模型与应用」最新SDM2021-Tutorial，附视频与203页ppt

社交网络和分子图等结构化的图形数据在现实世界中随处可见。设计先进的图结构数据表示学习算法，促进下游任务的完成，具有重要的研究意义。图神经网络(GNNs)将深度神经网络模型推广到图结构数据，为从节点级或图级有效学习图结构数据表示开辟了一条新途径。由于其强大的表示学习能力，GNN在从推荐、自然语言处理到医疗保健等各种应用中获得了实际意义。近年来，它已成为一个热门的研究课题，越来越受到机器学习和数据挖掘界的关注。本教程涵盖了相关和有趣的主题，包括使用GNNs在图结构数据上的表示学习、GNNs的鲁棒性、GNNs的可扩展性和基于GNNs的应用程序。

目录内容：

• 引言 Introduction
• 基础 Foundations
• 模型 Models
• 应用 Applications

https://cse.msu.edu/~wangy206/tutorials/sdm2021/