4位GNN一线大佬新书出版了！

Posted 2022-12-13 Datawhale

 Datawhale推荐 

推荐人：张钹、周志华、李航等

广大图神经网络（Graph Neural Network，下文简称GNN）研究人员翘首以盼、吴凌飞、崔鹏、裴健、赵亮4位GNN领域的中青年影响力学者联合编写《图神经网络：基础、前沿与应用》终于要来啦！

本书还未出版已先火遍IT圈！得到了清华大学教授、中国科学院院士张钹倾情作序推荐，同时韩家炜、沈向洋、张钹、李航、周志华等大咖联袂推荐！

▲ 最新的GNN教程

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

当前GNN已经成为继机器学习尤其是深度学习后发展最快的研究课题之一，对推荐系统、计算机视觉、自然语言处理等领域产生了重大影响。本书4位作者在GNN领域都做出了巨大贡献，他们的研究成果大量成功应用到工业生产或开源软件工具中。

▲ 近年GNN领域发展迅猛

吴凌飞博士带领的Graph4NLP团队致力于机器学习与文本数据挖掘领域的基础研究，其成果在GNN领域颇负盛名。

崔鹏博士是清华大学终身副教授，主要研究数据挖掘、机器学习和多媒体，擅长网络表示学习、因果推理和稳定学习等。

裴健博士是杜克大学电子与计算机工程系教授，擅长为新型数据密集型应用开发有效和数据分析技术，并将其研究成果转化为产品和商业实践。

赵亮博士是埃默里大学计算科学系助理教授，致力于数据挖掘、人工智能和机器学习，尤其是在时空和网络数据挖掘、图深度学习、非凸优化、事件预测和可解释机器学习等方面有深入研究。

▲ 被广泛使用的Graph4NLP

▲ 裴健教授的学术论文被大量引用

尽管GNN在国际上的研究与应用成绩斐然，但在国内依然面临许多挑战：比如从方法、理论理解到实际系统中的可扩展性和可解释性，从方法的合理性到应用中的经验表现等。

正是如此，4位作者考虑到要弥补我们与世界先进技术的差距，决定编写一本介绍GNN这一庞大主题的书，帮助广大从业者、研究人员与学生充分认识和了解GNN，打破GNN理论到应用之间的屏障。

02

搞定GNN基础入门与进阶

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

本书第一部分和第二部分主要介绍GNN的基础知识，适合入门学习。作者讲解清晰完备，使用真实的案例、有趣的图示把看起来高深的思想原理讲得通俗易懂，深入浅出地带读者踏入GNN之门。

这部分内容包含GNN的基础知识如表征学习、图表征学习、图神经网络的概念；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。

▲ 本书第一、二部分内容

进阶，掌握GNN前沿方法

在学习基础知识之后，作者展示了GNN领域的前沿方法，以及它与其他领域的交叉影响。对想学习GNN进阶知识的读者来说，这部分应该特别注意一下。

第3部分包含图分类、链接预测、图生成、图转换、图匹配、图结构学习、动态GNN、异质GNN、动机器学习、GNN：自监督学习等高阶内容。这些都是当下热门研究和讨论的技术方法，具有一定的先进性。

▲ 本书第三部分内容

实践，当下热门GNN应用

在第4部分中，作者介绍了GNN的广泛和新兴应用，适合那些想要把GNN应用到自己的实际业务或者项目当中的读者阅读。

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。

▲ 本书第四部分内容

值得注意的是，本书内容都是模块化的，也就是说读者可以根据自己的兴趣和需要有选择性地进行学习。

每个人都能用的GNN教程

这样又新又全的GNN理论与方法，既适合具有计算机科学背景的学生，又适合对概率、统计、图论、线性代数和机器学习技术（比如深度学习）有基本了解的读者。

也就是说本书既能作为高年级本科生和研究生课程的教辅或参考材料，供学生和老师使用；又能作为一本综合性手册，供研究人员、专业人士等各类读者参考。

▲ Datawhale专属优惠海报5折地址

最后，为了感谢各位读者的一直以来的支持，在Datawhale送出5本《图神经网络：基础、前沿与应用》，依然是老规矩：评论区留言并点赞数前五的读者将直接送书。