最近，越来越多的研究开始将深度学习方法应用到图数据领域。图神经网络在数据具有明确关系的结构场景，如物理系统，分子结构和知识图谱中有着广泛的研究价值和应用前景，本文将介绍在KDD 2020上发表的两个在这一场景下的最新工作。

第一个工作是Research Track的《ASGN: An Active Semi-supervised Graph Neural Network for Molecular Property Prediction》，提出了一种基于主动学习的半监督图神经网络模型来对分子性质进行预测方法。

第二个工作是Research Track的《Hierarchical Attention Propagation for Healthcare Representation Learning》，基于注意力机制，提出了一种利用的层次信息表示医学本体的表示学习模型。