本文是一篇关于Graph Representation Learning的综述。网络特征学习（network representation learning / network embedding）是近年来兴起的一个特征学习的研究分支。作为一种降维方法，网络特征学习试图将一个网络中的节点或者边映射到一个低维连续向量空间中，并在该低维空间中保持原有网络的结构信息，以辅助后续的连接预测、节点分类、推荐
本文是一篇关于Graph Representation Learning的综述。网络特征学习（network representation learning / network embedding）是近年来兴起的一个特征学习的研究分支。作为一种降维方法，网络特征学习试图将一个网络中的节点或者边映射到一个低维连续向量空间中，并在该低维空间中保持原有网络的结构信息，以辅助后续的连接预测、节点分类、推荐
本文主要研究利用图卷积网络进行垃圾评论过滤任务，作者设计了名为 GCN-based Anti-Spam System(GAS) 的垃圾评论过滤系统。GAS 会使用两个图来引入不同的上下文的信息。Xianyu Graph 是一个异构图，它引入局部上下文信息，另一个是同构图 Comment Graph，它引入了全局上下文信息。在这两个图上，分别运行不同的图卷积算法，并最终融合两个图模型的上下文信息，从而共同判断一个评论是不是有问题。 paper: https://drive.google.com/open?id=11G7RATs8Gq98Mnk5AyYfcAgCak8hXsvbsource: CIKM 2019