本书介绍
本书涵盖了开发用于图结构化数据的深度学习技术的全面内容，其中重点是图神经网络（GNN）。详细介绍了GNN模型的基础，包括两个主要的构建操作：图形过滤（graph filtering）和池化操作（pooling operation）。然后，我们讨论GNN的鲁棒性和可伸缩性，这对于在实际应用中利用GNN极为重要。
为了使深度学习技术能够在更广泛的设置下推进更多的图形任务，我们引入了超越GNN的众多深度图模型。我们还将介绍GNN在不同领域的最具代表性的应用，例如自然语言处理，计算机视觉，数据挖掘和医疗保健。这本书也是自成体系的，其中包括介绍图论和深度学习的一些基础的章节。
本书目录
内容截图
