学习图神经网络，你怕了吗？

深度学习领域的顶级大会（International Conference on Learning Representations），在几个月前，有人分析了提交给该大会的论文中的高频词，发现图神经网络（GNN）赫然排在第4位，仅次于「深度学习」「强化学习」和「表征学习」。

连DeepMind深度学习大佬Petar Veličković都不免感叹：毋庸置疑，GNN现在差不多算是深度学习工具箱中的「一等公民」了！

怎么样，还学得动吗？

聊到GNN，很多同学入门GNN的方式是读论文，不过现在这方面的论文实在是太多了：「有人在GitHub上总结了一份GNN必读论文清单。综述论文有14篇，基本模型的论文有92篇，图类型的论文有20篇，计算机视觉相关的有70篇，NLP相关的有56篇，其他的还有近200篇！好家伙，加起来将近500篇啊！。https://github.com/thunlp/gnnpapers。

要学GNN，或许有更好的打开方式。这本清华大学刘知远老师的新书，你可以了解一下～

第一作者竟是知乎大V、NLP界赫赫有名的刘知远教授！

刘知远

清华大学计算机科学与技术系副教授、博士生导师、智源人工智能研究院研究员，在自然语言处理、表征学习、知识图谱等人工智能研究领域享有盛誉，所开发的自然语言处理算法已成为该领域的代表方法。2018年入选《麻省理工科技评论》“35岁以下科技创新35人”。

那么来「猜猜第二作者是谁？」

「周界，正是那份GNN必读论文清单的主要维护者。」

本书全彩印刷，内文是高档纯质纸，触感极佳。

谁适合读，谁不适合读

这是一本关于图神经网络的综述，非常适合拿来构建图神经网络知识体系。你可以把这本书当作入门图神经网络的蓝图。

有了这本书，就暂且不必去读500篇英文论文，先构建起一个知识框架，这样认知负担会小很多。

但是，正因为这本书的综述性质，如果你想学习图神经网络如何在实际中应用，那么恐怕这本书并不能满足你的需求。

阅读思维导图

来看看这本书的内容结构。

作为基于深度学习的图数据处理方法，图神经网络（GNN）因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和应用场景。读完本书，你将对GNN的最新成果和发展方向有较为透彻的认识。

1

概述数学基础和神经网络以及图神经网络的基本概念。

2

介绍不同种类的GNN模型，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。

3

介绍GNN在结构化场景、非结构化场景和其他场景中的应用。

早期读者佳评

图神经网络技术发展迅速，想快速学习、掌握这些技术有很多困难。这本书的特点是简明扼要、系统完整，是学习图神经网络的一本好教材。

——张长水

清华大学自动化系教授、IEEE Fellow

图神经网络是近年机器学习的研究热点，也在很多领域取得应用。这本书内容详尽，既包含对图神经网络基础的介绍，也有新的一些研究，同时还覆盖了部分应用，非常系统化，是一本非常值得推荐的书。

——唐杰

清华大学教授、AMiner创始人

图神经网络是目前学术界和工业界的研究热点之一。这本书全面、系统地介绍了图神经网络的基本概念、主要模型以及应用场景，内容清晰易懂，非常适合对图神经网络感兴趣的读者阅读。强烈推荐！

——邱锡鹏

复旦大学计算机学院教授

新 书 热 卖 中

刘知远 周界  著
李泺秋  译

作者：刘知远  周界

译者：李泺秋

| 图书特色

• 前沿：图神经网络（GNN）已风靡深度学习领域

• 全面：综述流行的GNN框架以及应用场景

• 新增：在英文版的基础上增补更多内容

• 力荐：多位AI先锋学者联袂推荐

• 精美：采用高档纯质纸，全彩印刷，适合珍藏

图神经网络（GNN）是基于深度学习的图数据处理方法，因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和实际应用。书中首先概述数学基础和神经网络以及图神经网络的基本概念，接着介绍不同种类的GNN，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。此外，本书还介绍了GNN在结构化场景、非结构化场景和其他场景中的应用。读完本书，你将对GNN的最新成果和发展方向有较为透彻的认识。

 不想参与抽奖的读者 

 也可直接扫码购买本书

????

在评论区留言你想看这本书的理由

小编将随机抽取 10 位读者

包邮送出这本图神经网络必读好书

活动截止时间为 5 月 25 日 24:00

????
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeeklyPaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。