學習圖神經網絡，你怕了嗎？

深度學習領域的頂級大會（International Conference on Learning Representations），在幾個月前，有人分析了提交給該大會的論文中的高頻詞，發現圖神經網絡（GNN）赫然排在第4位，僅次于「深度學習」「強化學習」和「表征學習」。

連DeepMind深度學習大佬Petar Veli?kovi?都不免感嘆：毋庸置疑，GNN現在差不多算是深度學習工具箱中的「一等公民」了！

怎么樣，還學得動嗎？

聊到GNN，很多同學入門GNN的方式是讀論文，不過現在這方面的論文實在是太多了：「有人在GitHub上總結了一份GNN必讀論文清單。綜述論文有14篇，基本模型的論文有92篇，圖類型的論文有20篇，計算機視覺相關的有70篇，NLP相關的有56篇，其他的還有近200篇！好家伙，加起來將近500篇啊！。https://github.com/thunlp/gnnpapers。

要學GNN，或許有更好的打開方式。這本清華大學劉知遠老師的新書，你可以了解一下～

第一作者竟是知乎大V、NLP界赫赫有名的劉知遠教授！

劉知遠

清華大學計算機科學與技術系副教授、博士生導師、智源人工智能研究院研究員，在自然語言處理、表征學習、知識圖譜等人工智能研究領域享有盛譽，所開發的自然語言處理算法已成為該領域的代表方法。2018年入選《麻省理工科技評論》“35歲以下科技創新35人”。

那么來「猜猜第二作者是誰？」

「周界，正是那份GNN必讀論文清單的主要維護者?！?/p>

本書全彩印刷，內文是高檔純質紙，觸感極佳。

誰適合讀，誰不適合讀

這是一本關于圖神經網絡的綜述，非常適合拿來構建圖神經網絡知識體系。你可以把這本書當作入門圖神經網絡的藍圖。

有了這本書，就暫且不必去讀500篇英文論文，先構建起一個知識框架，這樣認知負擔會小很多。

但是，正因為這本書的綜述性質，如果你想學習圖神經網絡如何在實際中應用，那么恐怕這本書并不能滿足你的需求。

閱讀思維導圖

來看看這本書的內容結構。

作為基于深度學習的圖數據處理方法，圖神經網絡（GNN）因其卓越的性能而受到廣泛關注。本書全面介紹了GNN的基本概念、具體模型和應用場景。讀完本書，你將對GNN的最新成果和發展方向有較為透徹的認識。

1

概述數學基礎和神經網絡以及圖神經網絡的基本概念。

2

介紹不同種類的GNN模型，包括卷積圖神經網絡、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。

3

介紹GNN在結構化場景、非結構化場景和其他場景中的應用。

早期讀者佳評

圖神經網絡技術發展迅速，想快速學習、掌握這些技術有很多困難。這本書的特點是簡明扼要、系統完整，是學習圖神經網絡的一本好教材。

——張長水

清華大學自動化系教授、IEEE Fellow

圖神經網絡是近年機器學習的研究熱點，也在很多領域取得應用。這本書內容詳盡，既包含對圖神經網絡基礎的介紹，也有新的一些研究，同時還覆蓋了部分應用，非常系統化，是一本非常值得推薦的書。

——唐杰

清華大學教授、AMiner創始人

圖神經網絡是目前學術界和工業界的研究熱點之一。這本書全面、系統地介紹了圖神經網絡的基本概念、主要模型以及應用場景，內容清晰易懂，非常適合對圖神經網絡感興趣的讀者閱讀。強烈推薦！

——邱錫鵬

復旦大學計算機學院教授

新 書 熱 賣 中

劉知遠 周界??著
李濼秋??譯

作者：劉知遠? 周界?

譯者：李濼秋

| 圖書特色

• 前沿：圖神經網絡（GNN）已風靡深度學習領域

• 全面：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，適合珍藏

圖神經網絡（GNN）是基于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。本書全面介紹了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，包括卷積圖神經網絡、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，本書還介紹了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向有較為透徹的認識。

?不想參與抽獎的讀者?

?也可直接掃碼購買本書?

????

在評論區留言你想看這本書的理由

小編將隨機抽取?10?位讀者

包郵送出這本圖神經網絡必讀好書

活動截止時間為 5?月 25?日 24:00

???? 現在，在「知乎」也能找到我們了 進入知乎首頁搜索「PaperWeekly」 點擊「關注」訂閱我們的專欄吧 關于PaperWeeklyPaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的清华大学刘知远教授新作，图神经网络最佳解锁方式 | 送书福利的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。