陈语嫣的论文 Gated Relational Graph Neural Network for Semi-supervised Learning on Knowledge Graphs 被 WISE 2019 接收。本文针对知识图谱的实体分类问题，基于图卷积神经网络进行改进和优化。近年来，图神经网络获得了快速的发展，其中，图卷积神经网络能够整合邻居节点的信息，因而在半监督节点分类任务中取得了较高的准确率。然而，图卷积神经网络无法处理边上的信息。本文提出了 Gated Relational Graph Neural Network (GRGNN)。具体而言，我们采用 TransE 的思想来整合实体和关系的特征，并引入了门控机制平衡当前节点和邻居节点的权重，并在 FB15K 和 DB10K 数据集上验证了该模型的效果。