本書全面介紹了圖深度學習的理論基礎、模型方法及實際應用。全書分為4篇,共15章。第1篇為基礎理論,重點介紹圖和深度學習的基礎知識,包括圖的關鍵概念和屬性、各種基礎的神經網絡模型、訓練深度學習模型的關鍵方法以及防止訓練過程中過度擬合的實用技術;第2篇為模型方法,涵蓋了從基本設置到高級設置的成熟的圖深度學習方法,包括圖嵌入、圖過濾和池化操作、圖對抗攻擊和圖對抗防御技術、可擴展性圖神經網絡的代表性技術以及圖神經網絡之外的眾多圖深度模型;第3篇為實際應用,重點介紹了具有代表性的實際應用,包括自然語言處理、計算機視覺、數據挖掘、生物化學與醫療健康等;第4篇為前沿進展,介紹了有可能成為將來研究熱點的高級方法和應用,主要從表達性、深度、公平性、可解釋性和自監督學習等內容。在組織結構方面,每章首先介紹寫作動機,然後通過具體示例或技術細節介紹相應內容,最後提供更多的擴展閱讀知識。
本書既適合對數據挖掘、機器學習和社交網絡分析感興趣的本科生和研究生閱讀,也適合企業開發者和項目經理閱讀。對於沒有計算機科學背景,但想要應用圖神經網絡來推進其所在學科發展的研究人員,本書同樣是一本值得參考的讀物。