▲ 最新的GNN教程
点击封面购买
本书为国内GNN研究提供了前沿的跨领域理论支撑，打通了GNN基础思想与实际应用之间的通路，为对GNN感兴趣的读者打造了一本系统性的教程！
01
大佬合力出击
打破GNN理论到应用之间的屏障
▲ 被广泛使用的Graph4NLP
02
业内大咖诚意推荐
滑动查看更多专家评价
本书详细地介绍了图神经 络这一新兴的、快速发展的研究领域。
——韩家炜
美国伊利诺伊大学香槟分校计算机系教授，ACM院士、IEEE院士
本书对图表征学习进行了综述，由这一领域优秀的学者团队编撰完成，是想了解图神经 络的学生、研究人员和实践者的参考之作。
——沈向洋
ACM院士、IEEE院士、美国工程院院士、英国皇家工程科学院国际院士，微软研究院前技术和研究执行副总裁
作为深度学习的前沿领域，图神经 络在组合概率机器学习和符 推理方面具有强大潜力。它在数据驱动范式和知识驱动范式之间架起了沟通的桥梁，有望促进第三代人工智能的发展。本书以富有洞察力的方式介绍了GNN，内容涉及从基础知识到前沿发展，从算法基础到应用探讨。对于任何想要学习和了解图神经 络的科学家、工程师和学生来说，本书是颇具价值的参考资料。
——张钹
清华大学教授，中国科学院院士
作为深度学习的一个重要领域，图神经 络近年来取得了突飞猛进的发展。这本由业界知名学者撰写的专著涵盖了图神经 络的基础和应用的方方面面。相信这是一本大家都想阅读的书。强烈推荐！
——李航
字节跳动人工智能实验室总监
图神经 络是当前人工智能的热门领域之一。本书由国际数据挖掘领域著名学者、加拿大皇家学会院士裴健教授和CCF-IEEECS青年科学家奖获得者崔鹏教授等领衔出版。英文版已由施普林格出版 推出，中文版将为国内感兴趣的读者提供阅读学习的便利，很有参考价值，值得关注。
——周志华
南京大学计算机系主任兼人工智能学院院长，欧洲科学院外籍院士
——杨强
香港科技大学讲座教授，AAAI、ACM等学会会员，加拿大皇家科学院、加拿大工程院院士
本书由领域学者团队编撰，对图神经 络的基础理论进行了详细介绍，对不同主题进行了广泛覆盖。通过本书，读者可以一览图神经 络全貌、快速开展前沿研究或将之落地于实际应用。
——张成奇
悉尼科技大学副校长，人工智能杰出教授
本书是当前介绍图神经 络方面非常深入的书籍之一，由该领域的知名学者编撰，是不可多得的参考和学习资料。
——俞士纶
伊利诺伊大学芝加哥分校讲席教授，ACM会员，IEEE会员
本书详细地介绍了图神经 络，为在大型图数据上更深一步研究及探寻快而准的方法提供了不可缺少的基础和方向。
——于旭（Jeffrey Xu Yu）
香港中文大学教授
深度学习时代，图计算与神经 络天然地结合到一起。图神经 络为人工智能的发展注入了新动力，同时也成为热门的领域之一，在工业界得到广泛应用。本书对图神经 络的基础、前沿技术以及应用做了讲解，是图神经 络的研究者以及实践者不可多得的参考资料。
——叶杰平
密歇根大学终身教授，IEEE会员
图深度学习近年来已经被广泛应用到很多人工智能的研究领域，并取得了空前的成功。本书总结了图神经 络的算法和理论基础，广泛介绍了各种图神经 络的前沿研究方向，并精选了10个图神经 络广泛应用的行业。这是一本经典的深度学习教科书！
——熊辉
香港科技大学（广州）讲座教授，AAAS会员，IEEE会员
——谢幸
微软亚洲研究院首席研究员，CCF会士，IEEE会员
图神经 络是一类基于深度学习的处理图结构数据的方法，在推荐系统、计算机视觉、生物制药等众多科学领域展现出了卓越的性能。本书由该领域的知名学者倾力打造，从图神经 络的理论基础出发，着重介绍了图神经 络的研究前沿和新兴应用。图神经 络方兴未艾，本书内容厚重，是从事该领域研究的科研人员和学生不可多得的参考书。
——文继荣
中国人民大学教授，信息学院院长，高瓴人工智能学院执行院长
图机器学习是当前机器学习领域热门的研究方向之一。本书针对图神经 络的基础、发展、前沿以及应用进行细致介绍，是图神经 络领域值得深入学习的佳作。
——陶大程
京东探索研究院院长，京东集团高级副总裁，澳大利亚科学院院士
图神经 络把深度学习和图结构融合起来，是机器学习领域过去几年重要的理论发展之一，在金融科技、搜索推荐、生物医药等领域有着广泛和重要的应用。本书由该领域的知名学者编撰，是研究人员、学生和业界实践者学习图神经 络的一本参考图书。
——漆远
复旦大学浩清教授、博导，AI3研究院院长，前阿里巴巴副总裁及蚂蚁集团首席AI科学家
图神经 络是一个快速发展的领域。本书涉及图神经 络的概念、基础和应用，非常适合对此领域感兴趣的读者阅读。
——刘欢
亚利桑那州立大学教授，ACM会员，IEEE会员
——林学民
上海交通大学讲席教授，欧洲科学院院士，IEEE会员，AAIA会员
图神经 络已经成为图数据分析处理的基本工具。本书深入介绍了图神经 络的基础和研究前沿，可作为有关科研人员、开发者和师生的重要参考书。
——李飞飞
阿里巴巴集团副总裁，IEEE会员
图神经 络是当前AI领域的重要前沿方向之一，在学术界和工业界得到广泛的关注和应用。本书由相关领域的知名学者编撰而成，系统性地总结了图神经 络领域的关键技术，内容涵盖了图神经 络的基础方法和前沿应用。2021年英文书出版时我就关注到这本书，现在很高兴看到中文版即将出版。对于国内研究和应用图神经 络的专业人士和初学者来说，本书是一本不可多得的参考书。
——崔斌
北京大学教授
图神经 络是对深度学习的重要拓展和延伸。本书由知名学者编著，系统地介绍了该领域的基础问题、前沿算法和应用场景。编者对章节之间的逻辑关系给出了清晰的梳理和导读，对初入该领域和具有一定基础的读者均具有重要的学习和参考价值。
——陈恩红
中国科学技术大学大数据学院执行院长
图神经 络是机器学习非常热门的领域之一。本书是非常好的学习资源，内容涵盖图表征学习的广泛主题和应用。
——Jure Leskovec
斯坦福大学副教授
图神经 络是一种新兴的机器学习模型，已在科学和工业界掀起风暴。现在正是加入这一行动的时机——这本书无论对新人还是经验丰富的从业者而言是很好的资源！书中的内容由这一领域的学者团队精心撰写而成。
——Petar Veliovi/strong>
DeepMind高级研究科学家
从专业学者的视角来看，本书内容广度与深度兼备，作品质量有保障，值得对GNN感兴趣的读者参考阅读。
03
用当下的经验讲述GNN的故事
新鲜出炉，本书亮相国际人工智能联合会议
今年国际人工智能联合会议（IJCAI 2022）上，他们就以本书英文同名论文Graph Neural Networks (GNNs): Foundation, Frontiers and Applications参加会议并做了长达170分钟的演讲，获得广泛关注。
8月在华盛顿举行的全球数据科学领域会议KDD 2022上，他们同样做了该论文的演讲，并提供了对应教程的讲解。
▲ 吴凌飞博士关于参加KDD 2022的推文
这些理论加实践的创新组合，为更多领域的研究者与学习者提供了丰富的实用经验，具有很重要的指导作用。
-
文本分类：把句子或文档分类为适当的标签。
-
语义解析：把自然语言翻译成机器可解释的形式意义表示。
-
神经机器翻译：把源语言中的句子翻译成不同的目标语言。
-
摘要：生成输入文本的更简短版本，并保留主要含义。
-
知识图谱补全：预测知识图谱中两个现有实体之间的缺失关系。
-
数学问题解决：自动解决数学习题，用易懂的语言提供问题的背景信息。
-
命名实体识别：对输入文本中的实体进行相应类型的标记。
-
问题生成：根据给定的段落和目标答案（可选）生成有效且流畅的问题。
使用本书可以学习前沿的GNN理论与方法，在人工智能路上快人一步。
一书搞定GNN基础入门与进阶实践
本书内容不仅新，还全，兼容并包。不管是正准备入门的读者，还是已有基础准备学习更先进应用方法的读者，都能从本书中读到为自己量身定制的内容。
入门，学习GNN基础
这部分内容包含GNN的基础知识如表征学习、图表征学习、图神经 络的概念；介绍用于节点分类的GNN、GNN的表达能力、如何扩展GNN、如何提高GNN鲁棒性等。
▲ 本书第三部分内容
实践，当下热门GNN应用
这部分包括现代推荐系统中的GNN、计算机视觉中的GNN、自然语言处理中的GNN、程序分析中的GNN等方面，同时也介绍了GNN在生物医药、异常检测、智慧城市等行业领域的应用。
▲ GNN相关研讨会信息
▲ 全面了解GNN，点击封面购买
这本《图神经 络：基础、前沿与应用》适时出现，给了广大GNN爱好和研究者一个很好的选择。从理论基础，到前沿研究，再到实践应用，它专业地向读者展示了GNN这一精彩世界。
向上滑动阅览
▲ 最新的GNN教程
点击封面购买
[1]Cheong, W., Yujun, E., Li, J., Huang, X., Chen, J. & Xuelin, M. (2022). A spatial temporal graph neural network model for predicting flashover in arbitrary building floorplans.Applications of Artificial Intelligence, 115.
[2]GNNBook@2022. Graph-neural-networks.
[3]Lingfei Wu @ Pinterest KG..
[4]吴凌飞 ,崔鹏 ,裴健 ,赵亮.图神经 络：基础、前沿与应用.北京.人民邮电出版 :2022
—END—
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！