NYU、AWS联合推出：全新图神经网络框架DGL正式发布

机器之心发布作者：DGL Team深度神经网络在近年来的发展和成功有目共睹。这些网络架构成功的一个重要原因在于其能有效地捕捉到了数据内在的相关性，并在不同的抽象级别构建表示 (representation)。比如 CNN 刻画了图片中相邻像素点间的空间不变性；RNN 抓住了文本数据的有序线性结构。 CNN 和 RNN 的成功让人思考——我们是否能将此思想拓展到其他结构的数据上呢？事实上，人们一直在探索如何将深度学习应用于更广泛的结构数据中。早在 2014 年，Kai Sheng Tai 等人就研究了能在文本语法树上训练的树神经网络模型 TreeLSTM。这个工作在一定程度上冲击了大家用 RNN 处理文本的范式，并且用树型结构看待文本数据开创了很多新的研究可能。从链表到树，从树到图：近年来， ………………………………