針對graph的研究可以分為三類：
1.經(jīng)典的graph算法，如生成樹算法蠢护，最短路算法雅宾，復(fù)雜一點(diǎn)的二分圖匹配，費(fèi)用流問題等等葵硕；
2.概率圖模型眉抬，將條件概率表達(dá)為圖結(jié)構(gòu)，并進(jìn)一步挖掘懈凹，典型的有條件隨機(jī)場等
3.圖神經(jīng)網(wǎng)絡(luò)蜀变，研究圖結(jié)構(gòu)數(shù)據(jù)挖掘的問題，典型的有g(shù)raph embedding介评，graph CNN等
本文主要針對圖神經(jīng)網(wǎng)絡(luò)库北，介紹一些最近幾年該領(lǐng)域的一些研究進(jìn)展。由于應(yīng)用很廣泛(主要是社交網(wǎng)絡(luò)發(fā)展和知識圖譜的推動)们陆，以及受到深度學(xué)習(xí)在其他領(lǐng)域成功的啟示寒瓦，這個方向是目前機(jī)器學(xué)習(xí)領(lǐng)域最火的方向之一了，今年kdd2018中31篇tutorials里面有9篇是關(guān)于graph的坪仇，bestpaper也是關(guān)于graph的杂腰，論文名字叫做：adversarial attacks onclassification models for graphs. 可見學(xué)術(shù)界和工業(yè)界的熱情。
本文首先介紹graph Embedding烟很，為結(jié)構(gòu)化的graph生成分布式表示颈墅；然后介紹graph convolutional network(圖卷積)蜡镶，最后簡單介紹基于圖的序列建模雾袱。
