机器之心报道
作者：魔王
最近，图注意力网络一作 Petar Veli kovi 在母校剑桥大学做了一场讲座，介绍图神经网络的理论基础。
图神经网络（GNN）是机器学习中最热门的研究方向之一，在提出后的十几年里被不断扩展，先后发展出了图卷积网络、 图注意力网络、图自编码器、图生成网络和图时空网络等多个子领域。
最近，图注意力网络的第一作者 Petar Veli kovi 回到母校剑桥大学计算机实验室做了一场主题为《图神经网络理论基础》的讲座。在演讲中，Petar 尝试从基本原理推导 GNN，介绍其在多个学科中的应用，并解释 GNN 如何在多个研究路线中并行出现。
讲座幻灯片地址：https://petar-v.com/talks/GNN-Wednesday.pdf
Petar 表示，这个演讲「浓缩」了他 4 年 GNN 研究的精华，「这些年我用多种方式讲授 GNN，现在我终于找到了最『自然』的讲解方式。」他表示，这个 70 分钟的讲座既可以帮助初学者，也可以为 GNN 实践者提供新的角度。
接下来，我们就来看 Petar 讲了什么。
Petar Veli kovi ：我找到了最「自然」的 GNN 讲解方式
分子是图，交通地图是图，社交网络也是图。
Petar 首先介绍了现实世界中的图、图神经网络的实际应用，以及 GNN 的相关库和数据集等。
紧接着他展示了该讲座的主要内容：
基于基本原理推导 GNN；
介绍 GNN 的多个独立研究变体；
回顾：类 GNN 模型在 ML 研究历史中的出现；
当下：目前的一些研究方向；
展望：GNN 如何泛化至图结构输入以外。
Petar 表示，该讲座的内容基于其关于几何深度学习的研究、麦吉尔大学助理教授 William Hamilton 的著作《图表示学习》，以及 Yoshua Bengio、Marco Gori、Jürgen Schmidhuber 等多位研究者的工作。
基于基本原理推导 GNN
Petar 首先从基本原理定义 GNN，然后介绍了对 GNN 处理图数据有用的特性，并列举了一些示例。
GNN 的过去、现在与未来
Petar 介绍了 GNN 的发展过程与研究蓝图，及其在多个研究领域中的并行出现。例如，自然语言处理与 GNN。
