本文转自雷锋网，如需转载请至雷锋网官网请求授权。

图神经网络（GNNs）是深度学习的一个相对较新的范畴，从最近开端越来越盛行。Twitter、Google或Facebook等大公司都会开端关于GNN投入研讨，现实证明了GNN优于其他运用图数据的机器学习模型。

由于此范畴的开展十分敏捷，GNN背面的常识还不是那么简单取得。现在，你能够在互联网上以研评论文、文章或博客的办法找到散落在各地的GNN理论。咱们缺少的是一本GNN书本，或者是一本在线资源汇编，来协助人们进入了解这个范畴的作业。

通过一番查找，我发现其实有几个适当不错的资源，以一种简单了解的办法来解说GNN。期望对这个范畴的新人有所协助。让咱们开端吧!

1.由William L. Hamilton编写的图表明学习书本

Graph Representation Learning Book

本书是改动游戏规则的书，现在能够在线下载的预出书的版别。本书从图理论和传统图办法等初级课题开端，到前沿GNN模型和最先进的GNN研讨等高档课题。本书规划精巧，自成体系，具有图神经网络所需的大部分理论。

2. 斯坦福课程笔记--机器学习与图

C224W|Home

这是斯坦福大学专门研讨根据图的机器学习的课程。它有揭露的幻灯片，从他们的讲座以及引荐阅览列表。假如你想体系地学习一门结构杰出的课程，这将是一个很好的挑选。

3.由Albert-László Barabási编著的网络科学一书

Network Science by Albert-László Barabási

这是一本供给在线交互式的书本，首要介绍图和网络理论。尽管它没有评论GNN，但它是取得在图数据上操作的坚实基础的极好资源。

4.Thomas Kipf博客

How powerful are Graph Convolutional Networks?

由GNN范畴最著名的研讨者之一--Thomas Kipf博士创立的一个优异博客。在他的文章中，他轻描淡写地介绍了GNN，供给了最新办法的文献回忆，并评论了他的论文—Semi-Supervised Classification with Graph Convolutional Networks.

5. Michael Bronstein博客

Michael Bronstein — Medium

Michael Bronstein是伦敦帝国理工学院的教授，也是Twitter的图学习研讨的负责人。最近，他开端在Towards Data Science宣布文章。他的博客文章首要以数学视角重视GNNs以及该范畴的最新开展。他往往会引证许多其他关于GNNs的文章，这可能会协助你发现其他风趣的文章。

6.生命科学范畴的深度学习：将深度学习运用于基因组学，显微镜，药物发现等

Deep Learning for the Life Sciences

尽管这儿并不完全是关于GNN的内容，但本书的部分内容供给了根据GNN模型的实践运用。它解说了怎么运用生命科学的深度学习库--Deepchem将GNNs运用于分子数据集。它还进一步评论了GNNs的不同预处理办法。

7.Flawnson Tong博客

Flawnson Tong - Towards Data Science

Flawnson在Medium上宣布了几篇关于GNN的介绍性的文章。它们针对的是那些想对图神经网络背面的理论有根本了解的初学者。假如你想一窥GNNs是什么，这将是一个很好的挑选。

8.GNN最近的一些论文调集—Github库房

thunlp/GNNPapers

这是一个近期GNN论文的汇编库房，包含了这个范畴已宣布的大部分论文。他们将列表细分为独自的主题，比方咱们。假如你正在查找GNNs特定细分运用的论文，这个库房值得一试。

9.图形神经网络与代码

Papers with Code - Papers With Code : Search for graph neural networks

Paperswithcode是一个我们都很了解的网站，它将研评论文与其代码一同共享。假如你想找到已经有代码完成的GNN模型，这是一个不错的当地。

10.图形神经网络的总述

A Comprehensive Survey on Graph Neural Networks

这篇研评论文总结了GNNs中的大部分的重要发现，扼要概述了GNNs背面的前史，并评论了不同类型的GNN架构。