*注：名称暂定这个，之后再改。
本项目基于但不限于《图深度学习从理论到实践》一书，旨在帮助读者无痛入门 GNN 。除了介绍深度学习和图基础知识以及经典GNN模型外，我们还基于开源的图学习框架 DGL 和 PyG 提供了推荐、风控等领域的应用案例，方便读者快速上手实践 GNN，最后给出了前沿进展和相关资料供爱学习的读者进一步学习。
恰逢 Datawhale 图书解读开源活动，借此契机督促个人系统的读书学习，也鼓舞大家参与到开源生态共建当中，让 GNN 能在更多领域碰撞出火花。
- 前言（GNN应用概述及读者定位）
- 深度学习与图基础（包含丰富图例）
- 图表示学习（从传统到现代）
- 经典GNN及其变体（含实践代码）
- GNN应用案例（推荐、风控、CV、NLP、GIS等领域应用、GNN相关竞赛实战）
- 前沿进展（GNN对比学习、GNN联邦学习等相关论文解读和GNN推荐、GNN反欺诈在工业界的实际应用）
- 学习资料（书籍习题解答、笔面试问题、学习资源整理等）
待完善...
| 时间点 | 待办项 | 完成状态 |
|---|---|---|
| 2022.9.17 | 项目规划及分工讨论 | √ |
| 2022.10.7 | 完成部分深度学习和图基础 | √ |
| 2022.10.15 | 讨论进展 | x |
| 2022.10.19 | 完成理论部分 | x |
| 2022.10.22 | 统一符号表示 | x |
| 2022.10.23 | 构建项目雏形 | x |
| 2022.10.30 | 统一技术框架版本 | x |
| 2022.11.13 | 完成模型实践部分 | x |
| 2022.11.20 | 收集各领域GNN应用案例、竞赛及数据集 | x |
| 2022.12.18 | 各领域GNN应用案例代码初步实现 | x |
| 2022.12.29 | GNN竞赛代码实践完成 | x |
注：说明当前项目的规划，并将每个任务通过 Issue 形式进行对外进行发布。
- 如果你想参与到项目中来欢迎查看项目的 Issue 查看没有被分配的任务。
- 如果你发现了一些问题，欢迎在 Issue 中进行反馈🐛。
- 如果你对本项目感兴趣想要参与进来可以联系项目负责人@rickyxume 进行交流💬。
如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 Datawhale 贡献指南。
| 姓名 | 职责及贡献内容 | 简介 |
|---|---|---|
| 许汝超 | 项目负责人，第4章GraphSAGE、R-GCN部分 | 某互联网银行反欺诈数据分析 |
| 范歆琦 | 项目贡献者，第2章图基础部分 | xx在读研究生，CV/机器人方向 |
| 张银晗 | 项目贡献者，第2章DL基础部分 | xx大三在读 |
| 赵子一 | 项目贡献者，第3章经典图嵌入部分 | xx在读研究生，xx实习，GNN理论方向 |
| 王凯 | 项目贡献者，第4章GAT部分 | xx在读研究生，xx推荐算法实习 |
| 刘洋 | 项目贡献者，第4章GCN部分 | xx博士，xx方向 |
| 肖洁 | 项目贡献者，第4章GraphLSTM部分 | xx在校研究生，GIS方向 |
| 张璇 | 项目贡献者，第1章和第5章GNN应用案例部分梳理 | 山警 |
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。