Graph Neural Network

释义 Definition

图神经网络：一种用于处理图结构数据（由“节点”和“边”组成，如社交网络、分子结构、知识图谱）的深度学习模型。它通过在图上进行信息传递/聚合（message passing），学习节点、边或整张图的表示，用于分类、预测、检索等任务。（也常简称 GNN。）

发音 Pronunciation (IPA)

/ɡræf ˈnjʊrəl ˈnɛtˌwɜːrk/

例句 Examples

Graph neural networks can predict properties of molecules from their chemical structures.
图神经网络可以根据分子的化学结构预测其性质。

By aggregating information from neighboring nodes, a graph neural network learns representations that improve recommendation quality in large-scale social graphs.
通过聚合相邻节点的信息，图神经网络能够学习更有效的表示，从而提升大规模社交图中的推荐效果。

词源 Etymology

该术语由 graph（图） + neural network（神经网络） 组合而来：graph 源自希腊语 graphein（“书写、描绘”），在数学与计算机科学中引申为“由点和线构成的结构”；neural network 指受生物神经系统启发的模型结构。“Graph Neural Network”在学术界用于概括一类专门面向图数据的神经网络方法，近年因图卷积网络、消息传递框架等发展而广泛流行。

相关词 Related Words

• Graph
• Node
• Edge
• Embedding
• Message Passing
• Graph Convolutional Network
• Knowledge Graph
• Link Prediction
• Representation Learning

文献与著作 Literary / Notable Works

• Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks (2017)
• Hamilton, Ying & Leskovec, Inductive Representation Learning on Large Graphs (GraphSAGE) (2017)
• Battaglia et al., Relational inductive biases, deep learning, and graph networks (2018)
• William L. Hamilton, Graph Representation Learning (2020)
• Wu et al., A Comprehensive Survey on Graph Neural Networks (2020)