機器之心報道
機器之心編輯部
這本書稱得上是目前為止圖神經網路領域最為全面的卓越之作。
近年來，圖神經網路 (GNN) 領域取得了快速且驚人的進展。圖神經網路，也稱為圖深度學習、圖表示學習或幾何深度學習，已成為機器學習尤其是深度學習中發展最快的研究課題之一。這一批湧現的圖論和深度學習交叉的研究也影響了其他科學領域，包括推薦系統、計算機視覺、自然語言處理、歸納邏輯程式設計、程式合成、軟體挖掘、自動化規劃、網路安全和智慧交通。
雖然圖神經網路已經獲得了極大的關注，但在將其應用到其他領域時仍然面臨著許多挑戰，從對方法的理論理解到實際系統中的可擴充套件性和可解釋性，從方法的健全性到在實際系統應用中的經驗表現。儘管該領域實現了快速發展，從全域性視角瞭解 GNN 的發展卻始終極具挑戰性。
為了彌合上述差距，吳凌飛、崔鵬、裴健、趙亮幾位學者牽頭編撰了一本圖神經網路領域的綜合性書籍。這本書歷時近一年時間寫作而成，全書由四大部分（引言，基礎，前沿，應用）共 27 個章節組成，面向這一領域的高階本科生和研究生、博士後研究人員、講師和行業從業者。
這是目前為止在圖神經網路方面最為全面的一本書。本書涵蓋了圖神經網路的眾多主題，從基礎到前沿，從方法論到應用。這本書介紹了 GNN 的基本概念和演算法、GNN 的研究前沿以及 GNN 的廣泛應用和新興應用。
書籍的英文版已經在多個平臺開啟預訂，中文版書籍將在 2022 年中期正式出版。目前已有免費公開版可供閱讀。
書籍開源網站地址： https://graph-neural-networks.github.io/index.html
目錄
第一部分：引言
- 第 1 章 表示學習
- 第 2 章 圖表示學習
- 第 3 章 圖神經網路
第二部分：基礎
- 第 4 章 用於節點分類的圖神經網路
- 第 5 章 圖神經網路的表達能力
- 第 6 章 圖神經網路：可擴充套件性
- 第 7 章 圖神經網路中的可解釋性
- 第 8 章 圖神經網路：對抗魯棒性
第三部分：前沿
- 第 9 章 圖神經網路：圖分類
- 第 10 章 圖神經網路：連結預測
- 第 11 章 圖神經網路：圖生成
- 第 12 章 圖神經網路：圖變換
- 第 13 章 圖神經網路：圖匹配
- 第 14 章 圖神經網路：圖結構學習
- 第 15 章 動態圖神經網路
- 第 16 章 異構圖神經網路
- 第 17 章 圖神經網路：AutoML
- 第 18 章 圖神經網路：自監督學習
第四部分：應用
- 第 19 章 現代推薦系統中的圖神經網路
- 第 20 章 計算機視覺中的圖神經網路
- 第 21 章 自然語言處理中的圖神經網路
- 第 22 章 程式分析中的圖神經網路
- 第 23 章 軟體挖掘中的圖神經網路
- 第 24 章 藥物開發中基於 GNN 的生物醫學知識圖譜挖掘
- 第 25 章 預測蛋白質功能和相互作用的圖神經網路
- 第 26 章 異常檢測中的圖神經網路
- 第 27 章 城市智慧中的圖神經網路
作者介紹
吳凌飛博士現任京東矽谷研發中心首席科學家。吳博士曾經是 IBM T. J. Watson Research Center 研究科學家和團隊帶頭人。吳博士在 2016 年從威廉瑪麗大學取得計算機博士學位。他的研究內容包括機器學習、表徵學習和自然語言處理。
吳博士帶領的 Graph4NLP (Deep Learning on Graphs for Natural Language Processing) 團隊（12+ 研究科學家）致力於機器學習與文字資料探勘領域的基礎研究，並運用機器學習與文字資料探勘方法解決實際問題。其學術成果先後發表在 NeurIPS, ICML, ICLR, ACL, EMNLP, KDD, AAAI, IJCAI 等國際頂級會議及期刊上，發表論文超過 80 多篇。代表作包括 IDGL, MGMN, Graph2Seq, GraphFlow。多項學術論文獲得著名國際大會的最佳論文和最佳學術論文獎，包括 IEEE ICC 2019。
吳博士同時現任 IEEE 影響因子最高期刊之一 IEEE Transactions on Neural Networks and Learning Systems(TNNLS) 和 ACM SIGKDD 旗艦期刊 ACM Transactions on Knowledge Discovery from Data (TKDD) 的副主編。多次組織和擔任國際頂級會議大會或者領域主席，如 AAAI, IJCAI, KDD, NeurIPS, ICLR, ICML, ACL, EMNLP。
崔鵬，清華大學計算機系長聘副教授。於 2010 年獲得清華大學博士學位，研究興趣包括因果正則機器學習（causally-regularized machine learning）、網路表示學習和社交動態建模。他在資料探勘和多媒體領域知名會議和期刊上發表文章 100 多篇，近期研究獲得 IEEE Multimedia Best Department Paper Award、ICDM 2015 最佳學生論文獎等多個獎項。2015 年，他獲得 ACM 中國新星獎，2018 年獲得 CCF-IEEE CS 青年科學家獎。目前，他是 ACM 和 CCF 傑出會員、IEEE 高階會員。
裴健在資料科學、大資料、資料探勘和資料庫系統等領域，是世界領先的研究學者，國際計算機協會（ACM）院士和國際電氣電子工程師協會（IEEE）院士，擅長為資料密集型應用設計開發創新性的資料業務產品和高效的資料分析技術。因其在資料探勘基礎、方法和應用方面的傑出貢獻，裴健曾獲得資料科學領域技術成就最高獎 ACM SIGKDD Innovation Award（ACM SIGKDD 創新獎）和 IEEE ICDM Research Contributions Award（IEEE ICDM 研究貢獻獎）。2018 年，裴健入職京東，任集團副總裁。此前，裴健教授還曾擔任華為首席科學家。2019 年 9 月，裴健當選加拿大皇家學會院士。
趙亮現為埃默裡大學擔任計算機系助理教授，研究方向為資料探勘、機器學習和最佳化。此前曾在喬治梅森大學資訊科技學院和計算機學院擔任助理教授。2016 年秋，趙亮獲得弗吉尼亞理工大學的博士學位。此外，趙亮曾獲 2020 年美國自然科學基金委員會傑出青年獎（NSF CAREER AWARD）、2019 年 Jeffress Trust Award、2017 年弗吉尼亞理工大學計算機學院傑出博士獎，併入選 2016 年微軟評選出的資料探勘領域 20 位學術新星。他還獲得過 ICDM 2019 會議的最佳論文獎項。
