本书通过系统而全面的介绍，帮助读者深入理解和掌握图机器学习的基本原理、方法和技术；同时，通过丰富的案例和实践经验，展示了图机器学习在各个领域的应用价值和广阔前景。 本书基于斯坦福大学图机器学习CS224W课程的内容编写，获得Jure Leskovec教授的授权，结合作者自身和团队学生在图机器学习中的痛点和实践经验，重新梳理知识脉络，重点介绍图机器学习的相关知识，并对前沿的图机器学习会议论文和网络科学的最新发展趋势进行探讨与展望。 本书适合所有对图机器学习感兴趣的读者，包括但不限于本科生和研究生、博士后研究人员、教师等参考。
目录:
第1章 引言
第2章 图机器学习基础、
第3章 基于图基础结构特征的图机器学习
第4章 图嵌入表示
第5章 图矩阵分解
第6章 消息传递与节点分类
第7章 图神经网络研究与经典模型
第8章 图神经网络设计
第9章图神经网络训练
第10章 图神经网络优化
第11章 大规模图神经网络
第12章 图神经网络在知识图谱中的应用
第13章 图神经网络在网络科学领域的应用
第14章 图神经网络在推荐系统和自然语言处理中的应用
第15章 图神经网络在自然科学研究中的应用
第16章 总结和展望
点击下载