吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

这本书称得上是目前为止图神经网络规模最为全面的卓越之作。

近年来，图神经网络 (GNN) 规模取得了快速且惊人的进展。图神经网络，也称为图深度进修、图表示进修或几何深度进修，已成为机械进修尤其是深度进修中发展最快的研讨课题之一。这一批涌现的图论和深度进修交叉的研讨也影响了其他科学规模，包括推荐系统、计算机视觉、自然语言处理、归纳逻辑编程、程序合成、软件挖掘、自动化规划、网络安全和智能交通。

虽然图神经网络已经赢得了极大的关注，但在将其利用到其他规模时仍然面临着许多挑战，从对方法的理论理解到实际系统中的可扩展性和可解释性，从方法的健全性到在实际系统利用中的经验表现。尽管该规模实现了快速发展，从全局视角了解 GNN 的发展却始终极具挑战性。

为了弥合上述差距，吴凌飞、崔鹏、裴健、赵亮几位学者牵头编撰了一本图神经网络规模的综合性书。这本书历时近一年时间写作而成，全书由四大部分（引言，根蒂根基，前沿，利用）共 27 个章节组成，面向这一规模的高级本科生和研讨生、博士后研讨人员、讲师和行业从业者。

这是目前为止在图神经网络方面最为全面的一本书。本书涵盖了图神经网络的众多主题，从根蒂根基到前沿，从方法论到利用。这本书介绍了 GNN 的基本概念和算法、GNN 的研讨前沿以及 GNN 的广泛利用和新兴利用。

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

书的英文版已经在多个平台开启预订，中文版书将在 2022 年中期正式出版。目前已有免费公开版可供阅读。

书开源网站地址： https://graph-neural-networks.github.io/index.html

第一部分：引言

第 1 章表示进修

第 2 章图表示进修

第 3 章图神经网络

第二部分：根蒂根基

第 4 章用于节点分类的图神经网络

第 5 章图神经网络的表达能力

第 6 章图神经网络：可扩展性

第 7 章图神经网络中的可解释性

第 8 章图神经网络：对抗鲁棒性

第三部分：前沿

第 9 章图神经网络：图分类

第 10 章图神经网络：链接预测

第 11 章图神经网络：图生成

第 12 章图神经网络：图变换

第 13 章图神经网络：图匹配

第 14 章图神经网络：图结构进修

第 15 章动态图神经网络

第 16 章异构图神经网络

第 17 章图神经网络：AutoML

第 18 章图神经网络：自监督进修

第四部分：利用

第 19 章现代推荐系统中的图神经网络

第 20 章计算机视觉中的图神经网络

第 21 章自然语言处理中的图神经网络

第 22 章程序分析中的图神经网络

第 23 章软件挖掘中的图神经网络

第 24 章药物开发中基于 GNN 的生物医学知识图谱挖掘

第 25 章预测蛋白质功能和相互作用的图神经网络

第 26 章异常检测中的图神经网络

第 27 章城市智能中的图神经网络

作者介绍

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

吴凌飞博士现任京东硅谷研发中心首席科学家。吴博士曾经是 IBM T. J. Watson Research Center 研讨科学家和团队带头人。吴博士在 2016 年从威廉玛丽大学取得计算机博士学位。他的研讨内容包括机械进修、表征进修和自然语言处理。

吴博士带领的 Graph4NLP (Deep Learning on Graphs for Natural Language Processing) 团队（12+ 研讨科学家）致力于机械进修与文本数据挖掘规模的根蒂根基研讨，并运用机械进修与文本数据挖掘方法解决实际问题。其学术成果先后发表在 NeurIPS, ICML, ICLR, ACL, EMNLP, KDD, AAAI, IJCAI 等国际顶级会议及期刊上，发表论文超过 80 多篇。代表作包括 IDGL, MGMN, Graph2Seq, GraphFlow。多项学术论文赢得著名国际大会的最好论文和最好学术论文奖，包括 IEEE ICC 2019。

吴博士同时现任 IEEE 影响因子最高期刊之一 IEEE Transactions on Neural Networks and Learning Systems(TNNLS) 和 ACM SIGKDD 旗舰期刊 ACM Transactions on Knowledge Discovery from Data (TKDD) 的副主编。多次组织和担任国际顶级会议大会或者规模主席，如 AAAI, IJCAI, KDD, NeurIPS, ICLR, ICML, ACL, EMNLP。

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

崔鹏，清华大学计算机系长聘副教授。于 2010 年赢得清华大学博士学位，研讨兴趣包括因果正则机械进修（causally-regularized machine learning）、网络表示进修和社交动态建模。他在数据挖掘和多媒体规模知名会议和期刊上发表文章 100 多篇，近期研讨赢得 IEEE Multimedia Best Department Paper Award、ICDM 2015 最好学生论文奖等多个奖项。2015 年，他赢得 ACM 中国新星奖，2018 年赢得 CCF-IEEE CS 青年科学家奖。目前，他是 ACM 和 CCF 杰出会员、IEEE 高级会员。

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

裴健在数据科学、大数据、数据挖掘和数据库系统等规模，是世界领先的研讨学者，国际计算机协会（ACM）院士和国际电气电子工程师协会（IEEE）院士，擅长为数据密集型利用设计开发创新性的数据业务产品和高效的数据分析技术。因其在数据挖掘根蒂根基、方法和利用方面的杰出贡献，裴健曾赢得数据科学规模技术成就最高奖 ACM SIGKDD Innovation Award（ACM SIGKDD 创新奖）和 IEEE ICDM Research Contributions Award（IEEE ICDM 研讨贡献奖）。2018 年，裴健入职京东，任集团副总裁。此前，裴健教授还曾担任华为首席科学家。2019 年 9 月，裴健当选加拿大皇家学会院士。

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

赵亮现为埃默里大学担任计算机系助理教授，研讨方向为数据挖掘、机械进修和优化。此前曾在乔治梅森大学信息科技学院和计算机学院担任助理教授。2016 年秋，赵亮赢得弗吉尼亚理工大学的博士学位。此外，赵亮曾获 2020 年美国自然科学基金委员会杰出青年奖（NSF CAREER AWARD）、2019 年 Jeffress Trust Award、2017 年弗吉尼亚理工大学计算机学院杰出博士奖，并入选 2016 年微软评选出的数据挖掘规模 20 位学术新星。他还赢得过 ICDM 2019 会议的最好论文奖项。

吴凌飞博士将于北京时间2月21日周一19:30 – 20:30，在机械之心机动组视频直播中分享「GNN的根蒂根基、前沿和利用」，敬请期待！

{{userData.name}}已认证

吴凌飞、崔鹏、裴健、赵亮联合撰写，一本书读懂图神经网络的根蒂根基、前沿、利用（免费下载）

时隔243年，欧拉的「三十六军官」罗列成绩，在量子态中得到解决

详解AI加速器（一）：2012年的AlexNet到底做对了什么？

推理模型 DeepSeek-R1-Lite 预览版上线，号称媲美 OpenAI o1-preview

AI自动操作VS Code，自然语言搞定各种配置，来自阿里通义智能计算实验室 | 开源

九大成像模式一键解析，生物医学图像AI再迎突破！微软、UW等BiomedParse登Nature子刊

SU 哈佛亚马逊最新研究：量化能让大模型“恢复记忆”，删掉的隐私版权内容全回来了

微软在东京开设其日本首个研发中心，专注于将机器人技术与 AI 相结合

AI 助力脑瘤手术：10 秒内精准识别残留肿瘤

闲鱼注册用户突破 6 亿，AI 技术已应用于闲置交易全链路

谷歌又捣鼓出好东西！有了这款AI学习神器，考试起码多考50分