本书内容
本书详细讨论了图神经网络的经典模型、前沿发展及经典应用,包含了一些与图深度学习相关的内容,如网络嵌入、知识图谱嵌入等,以帮助读者构建更全面的图神经网络知识体系。在介绍具体的图神经网络模型之前,本书先对图神经网络所需要的基础知识进行了简要概括,之后,尽量按照经典图神经网络模型的发展顺序分类进行介绍,最后介绍图神经网络中的开放问题和百花齐放的前沿解决方案。希望读者可以通过阅读本书,熟悉整个图神经网络的发展脉络,厘清重要模型的设计思路和技术细节,了解前人是怎么开创一个新领域并逐渐将其发展壮大的。希望本书不仅能帮助想学习图神经网络知识的读者更好地理解技术,而且能让想在别的领域做出突破的读者获得些许灵感。
阅读本书需要读者具有一定的机器学习基础。本书包含了一些图神经网络的公式化理论和模型,并尽量用简洁的语言表述,以便读者更好地理解。书中对模型的介绍在保持严谨的同时,力求将模型背后的设计思路清晰地呈现。书中加入了很多近一两年的新工作,力图向读者展现这个领域的最新研究进展。我与朋友合作,在 AAAI 和 KDD 大会上做了两次关于图神经网络的前沿专题演讲,其中的大部分内容都囊括在本书中。希望这些前沿知识能够让想从事图神经网络应用和研究的读者少走弯路,更容易找到最适合自己目标任务的新模型。对于想应用图神经网络模型的读者,本书将为你提供方向,例如,如何建图、如何选择模型等。
致谢
写作本书的过程比我预想的困难许多,花费了我大量的时间和精力,但写作过程也让我受益匪浅,不仅弥补了我对一些子方向中相关知识的空白,也让我对整个图神经网络的发展有了更全面的认识。感谢本书责任编辑郑柳洁为本书提出了大量有价值的建议;感谢我的论文合作者们,尤其是陈捷和 Danica,是他们引导我进入这个领域并与我一起进步;感谢我的导师和前辈在成书过程中对我的鼓励。
最后,感谢家人对我的理解和支持,感谢我的父母和姐姐,尤其感谢我的妻子。2020 年是特殊的一年,虽然新冠疫情肆虐,生活受到了极大的困扰,但儿子的出生让我感到莫大的欣慰。疫情导致父母不能来美国,这让我和妻子获得了全程照顾儿子的机会,虽然劳累,但当三人挤成一团时,我总是倍感幸福,妻儿的笑容是我完成本书最大的助力!
马腾飞
美国纽约州 White Plains