第一届生物神经智能—神经网络与图神经网络研讨会（2）
强化学习优化的图神经网络
研究工作1：
研究工作2：
研究工作3：
研究工作4：
研究工作5：
Towards a Multi-view Attentive Matching for Personalized Expert Finding
社区问答：为新问题推荐专家发现问题
给定一个目标问题，给其推荐专家回答
背景
现有方法的不足
相关工作
提出的模型
损失函数：
Generalizing GNNs on Out-of-Distribution Graphs
图神经网络的分布外泛化研究
● Background and Motivation
● Node classification: Debiased GNN
实验结果：
● Graph classification: Stable GNN
实验结果：
● Conclusion and Future Work
Graph Neural Networks Beyond CompromiseBetween Attribute and Topology
图神经网络拓扑与属性关系研究
属性信息与拓扑信息可能会相互干扰
属性信息与拓扑信息可能具有一致性，造成信息冗余：添加互斥项
实验结果：
总结：
几何图嵌入学习
图几何的简介
抑制图表征扭曲的曲率正则项
最适图嵌入维数选择
GBK-GNN: Gated Bi-Kernel Graph Neural Networks for Modeling Both Homophily and Heterophily
复杂认知图神经网络
1.复杂图的图神经网络
e-econimic
2.认知图神经网络
主要任务：
（1）Semi-supervised Object Classification
（2）reasoning on knowledge graphs
