Graph Neural Network Review

图(graph)是一个非常常用的数据结构，现实世界中很多很多任务可以描述为图问题，比如社交网络，蛋白体结构，交通路网数据，以及很火的知识图谱等，甚至规则网格结构数据(如图像，视频等)也是图数据的一种特殊形式，因此图是一个很值得研究的领域。

针对graph的研究可以分为三类：

1.经典的graph算法，如生成树算法，最短路算法，复杂一点的二分图匹配，费用流问题等等；

2.概率图模型，将条件概率表达为图结构，并进一步挖掘，典型的有条件随机场等

3.图神经网络，研究图结构数据挖掘的问题，典型的有graph embedding，graph CNN等

本文主要针对图神经网络，介绍一些最近几年该领域的一些研究进展。由于应用很广泛(主要是社交网络发展和知识图谱的推动)，以及受到深度学习在其他领域成功的启示，这个方向是目前机器学习领域最火的方向之一了，今年kdd2018中31篇tutorials里面有9篇是关于graph的，bestpaper也是关于graph的，论文名字叫做：adversarial attacks onclassification models for graphs. 可见学术界和工业界的热情。

本文首先介绍graph Embedding，为结构化的graph生成分布式表示；然后介绍graph convolutional network(图卷积)，最后简单介绍基于图的序列建模。