1.1 設計動機 1
1.1.1 捲積神經網絡 1
1.1.2 圖嵌入 3
1.2 相關工作 3
第 2章 數學和圖論基礎 7
2.1 綫性代數 7
2.1.1 基本概念 7
2.1.2 特徵分解 10
2.1.3 奇異值分解 11
2.2 概率論 12
2.2.1 基本概念和公式 12
2.2.2 概率分布 14
2.3 圖論 15
2.3.1 基本概念 16
2.3.2 圖的代數錶示 16
第3章 神經網絡基礎 19
3.1 神經元 19
3.2 後嚮傳播 22
3.3 神經網絡 24
第4章 基礎圖神經網絡 27
4.1 概述 27
4.2 模型介紹 28
4.3 局限性 30
第5章 捲積圖神經網絡 33
5.1 基於譜分解的方法 33
5.1.1 Spectral Network 33
5.1.2 ChebNet 34
5.1.3 GCN 35
5.1.4 AGCN 36
5.2 基於空間結構的方法 37
5.2.1 Neural FP 37
5.2.2 PATCHY-SAN 38
5.2.3 DCNN 40
5.2.4 DGCN 40
5.2.5 LGCN 42
5.2.6 MoNet 44
5.2.7 GraphSAGE 45
第6章 循環圖神經網絡 47
6.1 GGNN 47
6.2 Tree-LSTM 49
6.3 Graph-LSTM 50
6.4 S-LSTM 51
第7章 圖注意力網絡 55
7.1 GAT 55
7.2 GaAN 57
第8章 圖殘差網絡 59
8.1 Highway GCN 59
8.2 Jump Knowledge Network 60
8.3 DeepGCN 62
第9章 不同圖類型的模型變體 65
9.1 有嚮圖 65
9.2 異構圖 66
9.3 帶有邊信息的圖 68
9.4 動態圖 70
9.5 多維圖 72
第 10章 高級訓練方法 75
10.1 采樣 75
10.2 層級池化 78
10.3 數據增廣 80
10.4 無監督訓練 80
第 11章 通用框架 83
11.1 MPNN 83
11.2 NLNN 85
11.3 GN 87
第 12章 結構化場景應用 93
12.1 物理學 93
12.2 化學和生物學 95
12.2.1 分子指紋 95
12.2.2 化學反應預測 97
12.2.3 藥物推薦 97
12.2.4 蛋白質和分子交互預測 98
12.3 知識圖譜 99
12.3.1 知識圖譜補全 99
12.3.2 歸納式知識圖譜嵌入 100
12.3.3 知識圖譜對齊 101
12.4 推薦係統 102
12.4.1 矩陣補全 103
12.4.2 社交推薦 104
第 13章 非結構化場景應用 105
13.1 圖像領域 105
13.1.1 圖像分類 105
13.1.2 視覺推理 108
13.1.3 語義分割 109
13.2 文本領域 110
13.2.1 文本分類 110
13.2.2 序列標注 111
13.2.3 神經機器翻譯 112
13.2.4 信息抽取 113
13.2.5 事實驗證 114
13.2.6 其他應用 116
第 14章 其他場景應用 117
14.1 生成模型 117
14.2 組閤優化 119
第 15章 開放資源 121
15.1 數據集 121
15.2 代碼實現 123
第 16章 總結 125
16.1 淺層結構 125
16.2 動態圖 126
16.3 非結構化場景 126
16.4 可擴展性 126
參考文獻 129
作者簡介 148
· · · · · · (收起)
具體描述
清華大學劉知遠力作，一書輕鬆構建GNN知識體係。
前沿：圖神經網絡（GNN）已風靡深度學習領域
全麵：綜述流行的GNN框架以及應用場景
新增：在英文版的基礎上增補更多內容
力薦：多位AI先鋒學者聯袂推薦
精美：采用高檔純質紙，全彩印刷，適閤珍藏
圖神經網絡（GNN）是基於深度學習的圖數據處理方法，因其卓越的性能而受到廣泛關注。本書全麵介紹瞭GNN的基本概念、具體模型和實際應用。書中首先概述數學基礎和神經網絡以及圖神經網絡的基本概念，接著介紹不同種類的GNN，包括捲積圖神經網絡、循環圖神經網絡、圖注意力網絡、圖殘差網絡，以及幾個通用框架。此外，本書還介紹瞭GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書，你將對GNN的最新成果和發展方嚮有較為透徹的認識。
用戶評價
##寫得不行啊，當綜述看看也將就，而且太貴瞭。不過我還是給瞭3星，因為這是我微博抽奬抽到瞭，白嫖來的，還要什麼自行車????
評分##讀瞭一半吧，隻能從宏觀上瞭解一下圖神經網絡，相當於對各個經典模型的簡要介紹，原理還得自己查，想學懂學通看這本肯定不行，類似綜述吧。不過印刷很好，這個算是優點吧
評分##走馬觀花似的羅列各種 GNN 模型和論文中的公式，看完基本上隻能記住個名字吧
評分##適閤讀瞭一些GNN論文，但是尚未瞭解GNN全貌的人閱讀。 內容確實很淺，不精細，但是足夠告訴讀者2020年前GNN發展動態。舉例來說，我先前研究的是圖分類算法，但是對於GNN的其他細分領域，比如有嚮圖，異構圖，多維圖是完全不知道的。由於之前隻重視算法細節，不讀本書我也不知道GNN在圖像、本文、組閤優化等領域有很多實際的應用。 現在再去迴答以前麵試官關於"GNN到底有什麼用"的問題，會更有底氣一點。 值得一提的是，譯者李濼鞦好像是個和我同屆的碩士，當年看著他知乎上一篇一篇寫文章的，如今他都齣書瞭，我依舊還在山上吃草……
評分##這本書確實如其名，導論，也確實是介紹一些基礎知識，比較適閤沒什麼基礎的人拿來瞭解個大概。 老師和學生並列作者的時候，那書大概就是學生寫的瞭。本來看完目錄就不打算買瞭，衝著 劉知遠老師還是買來看看。哎，劉老師，要愛惜自己的羽毛啊
評分##一星都嫌多！簡直垃圾
評分一直關注劉老師的微博，所以買來拜讀一下。紙質和印刷都很好，至於內容，感覺好像是把哪個學生的論文筆記發齣來瞭，或者好像翻譯並擴充瞭一兩篇綜述。（建議劉老師以後發錶這種東西的時候，還是把作者簡介裏麵的“享有盛譽”四個字拿掉吧。）粉轉路~
評分##是看劉知遠老師作纔入手的，但書中知識點多是蜻蜓點水地掠過，非常糟糕，感覺自己被割瞭9菜
評分##走馬觀花似的羅列各種 GNN 模型和論文中的公式，看完基本上隻能記住個名字吧
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 windowsfront.com All Rights Reserved. 靜流書站 版權所有