- 协同信号：通过图神经网络利用协同参与和语义链接
基于语义的图神经网络（SemanticGNN）是在大规模知识图谱中建模实体、语义概念、协作边和语义边，并对其进行表示学习的一种新颖的图模型，通过融合协同活动数据和丰富的语义信息提供更准确的实体相似度计算。实证实验证明所提出的模型在相似度判断 - AGAR: 自适应运动预测的注意力图循环神经网络对变形物体的点云
该研究论文侧重于点云序列的运动预测，特别在可变形的三维物体（如人体运动）的挑战性情况下进行研究。通过研究可变形形状和复杂运动在该类型中的存在的挑战，本文提出了一种改进的点云预测框架，采用了基于图的方法来学习和利用点云的空间结构以提取更具代表 - 高效学习图形进行半监督学习
本研究提出了一种利用多个数据集学习半监督学习图的算法，最终实现了在已知图或者未知图的情况下提高计算效率。
- ICML图切换动态系统
本篇论文提出了一种基于动态图表征物体之间的交互，并学习物体之间及物体内模式转换行为的图切换动力系统 (GRASS) 方法，并使用合成的 ODE 驱动的粒子数据集和现实世界的 Salsa 情侣舞蹈数据集为例，证明了该方法的优越性。
- 医学图像分割的结构连续性保持
该研究提出了一种基于图形的方法来处理医学影像中解剖拓扑的连续性和连通性问题，实验表明与传统方法相比，该方法在保持解剖形态连续性的同时，在连通性方面有显著的改进，而在分割度量方面表现更好或持平。
- ACL基于图形的无递归语义解析
本文提出了一种新的基于图的方法来进行语义解析，解决了文献中观察到的两个问题：(1) seq2seq 模型无法完成组合泛化任务；(2) 使用短语结构解析器的先前工作无法涵盖树库中观察到的所有语义解析。我们证明了两个优化算法的正确性，用基于约束 - GE-Blender: Blender 的基于图的知识增强
本研究提出了一种基于图形的方法，利用实体节点和命名实体标签预测来加强上下文中未见实体的表示，以解决在对话生成中未见实体的逻辑解释问题，并通过实验表明该方法在开放数据集 Wizard of Wikipedia 上优于现有方法。
- G-CMP: 基于图增强的上下文矩阵剖面，用于无监督的基于传感器的远程健康监测中的异常检测
本研究介绍了一种基于传感器的远程健康监测方法，使用上下文矩阵剖面（CMP）的配置版来检测噪声环境下的异常事件和不良健康状况，同时提出了一种基于图形的异常检测方法，能够编码时间上下文的异常性，有效地辨识、监测与预警真正的异常状况。
- RAILD：关系特征在知识图谱归纳链接预测中的应用
本文提出了一种新颖的名为 RAILD 的关系感知归纳链接预测方法，该方法能够学习未见的实体和未见的关系的表征，并采用语言模型和图形化方法来生成特征。实验表明，RAILD 在 KG 完成任务上比现有的模型性能有了显著提高，并且还超过了我们创建 - KeypartX: 基于图形的感知 (文本) 表示
本研究提出了一种基于图形的 KeypartX 方法，用于通过语言信息（语义、句法和语用）提取文本的知识表示，可适用于大数据且不仅仅是基于词袋 / 向量的机器学习，同时适用于文本最小单元：句子。
- 基于问答句子图的答案选择联合建模
该研究研究了基于图的方法，用于回答句子选择 (AS2)，这是构建基于检索的问答系统的重要组成部分。我们的模型创建一个相关训练图，以执行更准确的 AS2。实验表明，我们的方法一致优于最先进的模型。
- AAAI自适应图推理学习光流
本文提出了一种名为自适应图推理的光流图算法，通过在匹配过程中利用场景信息，有效地利用上下文信息并将其合并到匹配过程中，提高了运动估计的鲁棒性和准确性，在 Sintel 干净和最终通行证上，其 EPE 分别为 1.43 和 2.47 像素，比 - AAAI利用关系图转换器识别具有异质性的 Twitter 机器人
本文提出了一种新的 bot 检测框架，使用由用户构成的异构图的拓扑结构建模，并模拟用户间的多样性关系。具体而言，通过关系图转换将异构网络中的节点表示学习为表示性图，并使用语义关注网络对用户和关系之间的信息进行聚合，得出表现良好的检测结果。
- IJCAI基于图形多视角建模的长期、短期和突发事件：交易量动态预测
我们提出了一种基于图的方法，可以将多个视角的信息有机地融合在一起，利用深度规范化分析技术来更好地预测金融市场中交易量的变化情况，并在实验中表现出色。
- KGAP：基于知识图谱的新闻媒体政治态度检测
本文提出了一种利用外部领域知识进行政治观点识别的 KGAP 方法，该方法在构造政治知识图谱的基础上，结合异构信息网络来表示新闻文本与外部知识，并采用关系图神经网络进行政治观点检测，实验结果表明该方法在现实世界的识别标准中表现最佳。
- ACL基于图的 N 元关系事实链预测方法
本研究提出了基于小型异构图的全连接式注意力图算法，用于处理 n 元关系事实的链接预测问题，并在多种实验数据集上证明了该方法的有效性和优越性。
- AAAI半监督度量学习：深度复苏
本文研究了面向深度学习的半监督度量学习，提出了基于随机和图的方法，通过传播标记数据对的相似度来挖掘度量学习的三元组约束，并施加正交性约束以避免模型萎缩。
- EMNLP利用基于上下文的推特嵌入检测 COVID-19 的新出现症状
本文提出了一种迭代的基于图形的方法，用于检测 COVID-19 的症状，同时研究发现该方法可用于在大型不平衡语料库中查找特定语境的词语和文本，同时还测试了该方法是否适用于检测 ADR。研究发现，该方法应用于 Twitter 数据可以在 CD - 自主驾驶车辆的运动预测
为了部署安全的自主驾驶汽车，需考虑静态几何上下文和动态社交交互，最近的深度学习方法已实现了距离预测指标的最新性能，但存在无法考虑 AV 意图运动计划的局限，因此提出了一种基于人 - 车道几何和人 - 人社交关系的图形加权循环递归方法，以支持 - AAAI利用社区生成的街景图像预测生计指标
使用公共街道图像进行街区中薄弱群体的生计指标预测，方法分为图像分群和基于图像关系的两种方法，测试结果表明此方法对于贫困、人口和公共卫生等指标的预测精度高