近日，清华大学孙茂松组在 arXiv 上发布预印版综述文章《Graph Neural Networks: A Review of Methods and Applications》 。该文总结了近年来图神经网络领域的经典模型与典型应用，主要包括其原始模型、不同的变体和几个通用框架；将图神经网络的应用系统地归类为结构化场景、非结构化场景和其他场景中，并介绍了不同场景中的主要应用；为未来的研究提出四个未解决的问题；对每个问题进行了详细分析，并提出未来的研究方向。同时，该文提出了四个开放性问题。1）浅层结构。经验上使用更多参数的神经网络能够得到更好的实验效果，然而堆叠多层的 GNN 却会产生 over-smoothing 的问题；2） 动态图。目前大部分方法关注于在静态图上的处理，对于如何处理节点信息和边信息随着时间步动态变化的图仍是一个开放问题。3） 非结构化场景。虽然很多工作应用于非结构化的场景（比如文本），然而并没有通用的方法用于处理非结构化的数据；4）扩展性。虽然已经有一些方法尝试解决这个问题，将图神经网络的方法应用于大规模数据上仍然是一个开放性问题。