文末送书 | 4位GNN一线大佬联手打造新书，还未出版就爆火！
关注我们丨文末赠书
广大图神经网络（Graph Neural Network，下文简称GNN）研究人员翘首以盼、吴凌飞、崔鹏、裴健、赵亮4位GNN领域的中青年影响力学者联合编写《图神经网络：基础、前沿与应用》终于要来啦！
本书还未出版已先火遍IT圈！得到了清华大学教授、中国科学院院士张钹倾情作序推荐，同时韩家炜、沈向洋、张钹、李航、周志华等大咖联袂推荐！
▲ 最新的GNN教程
首发价5折
点击封面购买
本书为国内GNN研究提供了前沿的跨领域理论支撑，打通了GNN基础思想与实际应用之间的通路，为对GNN感兴趣的读者打造了一本系统性的教程！
01
当前GNN已经成为继机器学习尤其是深度学习后发展最快的研究课题之一，对推荐系统、计算机视觉、自然语言处理等领域产生了重大影响。本书4位作者在GNN领域都做出了巨大贡献，他们的研究成果大量成功应用到工业生产或开源软件工具中。
▲ 近年GNN领域发展迅猛
吴凌飞博士带领的Graph4NLP团队致力于机器学习与文本数据挖掘领域的基础研究，其成果在GNN领域颇负盛名。
崔鹏博士是清华大学终身副教授，主要研究数据挖掘、机器学习和多媒体，擅长网络表示学习、因果推理和稳定学习等。
裴健博士是杜克大学电子与计算机工程系教授，擅长为新型数据密集型应用开发有效和数据分析技术，并将其研究成果转化为产品和商业实践。
赵亮博士是埃默里大学计算科学系助理教授，致力于数据挖掘、人工智能和机器学习，尤其是在时空和网络数据挖掘、图深度学习、非凸优化、事件预测和可解释机器学习等方面有深入研究。
▲ 被广泛使用的Graph4NLP
▲ 裴健教授的学术论文被大量引用
尽管GNN在国际上的研究与应用成绩斐然，但在国内依然面临许多挑战：比如从方法、理论理解到实际系统中的可扩展性和可解释性，从方法的合理性到应用中的经验表现等。
正是如此，4位作者考虑到要弥补我们与世界先进技术的差距，决定编写一本介绍GNN这一庞大主题的书，帮助广大从业者、研究人员与学生充分认识和了解GNN，打破GNN理论到应用之间的屏障。
02
本书不仅作者团队豪华，更是受到了海内外GNN领域院士、教授、专家的一致肯定。获得韩家炜、沈向洋、张钹、周志华、Jure Leskovec等国内外学者联袂推荐。
从专业学者的视角来看，本书内容广度与深度兼备，作品质量有保障，值得对GNN感兴趣的读者参考阅读。
03
因为作者们都身处GNN领域的研究与应用开发一线位置，在书中介绍的理论和实践方法皆是当下主流，实用性非常强。
新鲜出炉，本书亮相国际人工智能联合会议
今年国际人工智能联合会议（IJCAI 2022）上，他们就以本书英文同名论文Graph Neural Networks (GNNs): Foundation, Frontiers and Applications参加会议并做了长达170分钟的演讲，获得广泛关注。
8月在华盛顿举行的全球数据科学领域会议KDD 2022上，他们同样做了该论文的演讲，并提供了对应教程的讲解。
▲ 吴凌飞博士关于IJCAI 2022 GNN教程的推文
▲ 吴凌飞博士关于参加KDD 2022的推文
作者在本书中对GNN基础知识进行了简洁而清晰的叙述，其中涉及的应用方法来自他们自己的实践工作，并重组了理论知识，从头到尾具备很强的创新性。
这些理论加实践的创新组合，为更多领域的研究者与学习者提供了丰富的实用经验，具有很重要的指导作用。
比如作者开发的GNN库——Graph4NLP现在就被广泛应用于图深度学习和自然语言处理（即DLG4NLP）的交叉研发：
文本分类：把句子或文档分类为适当的标签。
语义解析：把自然语言翻译成机器可解释的形式意义表示。
神经机器翻译：把源语言中的句子翻译成不同的目标语言。
摘要：生成输入文本的更简短版本，并保留主要含义。
知识图谱补全：预测知识图谱中两个现有实体之间的缺失关系。
数学问题解决：自动解决数学习题，用易懂的语言提供问题的背景信息。
命名实体识别：对输入文本中的实体进行相应类型的标记。
问题生成：根据给定的段落和目标答案（可选）生成有效且流畅的问题。
使用本书可以学习前沿的GNN理论与方法，在人工智能路上快人一步。
一书搞定GNN基础入门与进阶实践
本书内容不仅新，还全，兼容并包。不管是正准备入门的读者，还是已有基础准备学习更先进应用方法的读者，都能从本书中读到为自己量身定制的内容。
入门，学习GNN基础
本书第一部分和第二部分主要介绍GNN的基础知识，适合入门学习。作者讲解清晰完备，使用真实的案例、有趣的图示把看起来高深的思想原理讲得通俗易懂，深入浅出地带读者踏入GNN之门。
这部分内容包含GNN的基础知识如表征学习、图表征学习、图神经网络的概念；介绍用于节点分类的GNN、GNN的表达能力、如何扩展GNN、如何提高GNN鲁棒性等。
▲ 本书第一、二部分内容
进阶，掌握GNN前沿方法
在学习基础知识之后，作者展示了GNN领域的前沿方法，以及它与其他领域的交叉影响。对想学习GNN进阶知识的读者来说，这部分应该特别注意一下。
第3部分包含图分类、链接预测、图生成、图转换、图匹配、图结构学习、动态GNN、异质GNN、动机器学习、GNN：自监督学习等高阶内容。这些都是当下热门研究和讨论的技术方法，具有一定的先进性。
▲ 本书第三部分内容
实践，当下热门GNN应用
在第4部分中，作者介绍了GNN的广泛和新兴应用，适合那些想要把GNN应用到自己的实际业务或者项目当中的读者阅读。
这部分包括现代推荐系统中的GNN、计算机视觉中的GNN、自然语言处理中的GNN、程序分析中的GNN等方面，同时也介绍了GNN在生物医药、异常检测、智慧城市等行业领域的应用。
▲ 本书第四部分内容
值得注意的是，本书内容都是模块化的，也就是说读者可以根据自己的兴趣和需要有选择性地进行学习。
每个人都能用的GNN教程
这样又新又全的GNN理论与方法，既适合具有计算机科学背景的学生，又适合对概率、统计、图论、线性代数和机器学习技术（比如深度学习）有基本了解的读者。
也就是说本书既能作为高年级本科生和研究生课程的教辅或参考材料，供学生和老师使用；又能作为一本综合性手册，供研究人员、专业人士等各类读者参考。
搭配丰富资源，GNN学习更立体
如果读者想进一步获得更多与本书或者图神经网络有关的资源，可以访问本书配套网站：https://graph-neural-networks.github.io/。该网站的资源包括本书中英文在线预览版、讲座幻灯片以及勘误等信息，同时还提供大量与图神经网络有关的公开可用的资料和资源引用。
比如丰富的GNN相关研讨会信息、教程、会议以及其他类型的视频内容等。读者可以将这些资源作为扩展，同时优秀的GNN论文也能够帮助读者进行更深入的了解和探索。
▲ GNN相关研讨会信息
▲ GNN相关教程信息
04
GNN是一个新兴而发展繁荣的领域，虽然机遇较多，但面临的挑战也不少。想要在该领域施展一番拳脚，有一本专业的指导书籍很重要。
▲ 全面了解GNN，点击封面购买
这本《图神经网络：基础、前沿与应用》适时出现，给了广大GNN爱好和研究者一个很好的选择。从理论基础，到前沿研究，再到实践应用，它专业地向读者展示了GNN这一精彩世界。
▲ 最新的GNN教程
首发价5折
点击封面购买
文章编辑：沙鱼 审校：桐希、秦健
参考来源：
[1]Cheong, W., Yujun, E., Li, J., Huang, X., Chen, J. & Xuelin, M. (2022). A spatial temporal graph neural network model for predicting flashover in arbitrary building floorplans.Applications of Artificial Intelligence, 115.
[2]GNNBook@2022. Graph-neural-networks.
[3]Lingfei Wu @ Pinterest KG..
[4]吴凌飞 ,崔鹏 ,裴健 ,赵亮.图神经网络：基础、前沿与应用.北京.人民邮电出版社:2022
—END—
PaperWeekly携手异步图书送书啦！
点击下方名片关注「AI求职」
在后台回复暗号“GNN”
即可参与赢取这本图神经网络重磅新书
奖品数量共计 10 份！
活动截止时间为 12 月 30 日 09:00
微信扫码关注该文公众号作者