本書基于圖神經(jīng)網(wǎng)絡(luò)研究網(wǎng)絡(luò)表示學(xué)習(xí)，具體內(nèi)容包括:改進(jìn)了高階圖卷積神經(jīng)網(wǎng)絡(luò)、圖注意力網(wǎng)絡(luò)、自編碼架構(gòu)和圖的小波神經(jīng)網(wǎng)絡(luò)等模型，構(gòu)建網(wǎng)絡(luò)表示學(xué)習(xí)模型，并在圖基礎(chǔ)任務(wù)(如鏈路預(yù)測(cè)和節(jié)點(diǎn)分類)上取得了有效的性能。此外，本書采用前沿的圖對(duì)比學(xué)習(xí)架構(gòu)，通過增強(qiáng)圖數(shù)據(jù)表示有效緩解數(shù)據(jù)稀疏問題，并在知識(shí)圖譜的基礎(chǔ)任務(wù)上顯著提升性能。本書面向圖數(shù)據(jù)應(yīng)用，提出一種關(guān)系感知的異構(gòu)圖神經(jīng)網(wǎng)絡(luò)模型，可進(jìn)行關(guān)系預(yù)測(cè)設(shè)計(jì)，并通過實(shí)驗(yàn)驗(yàn)證其優(yōu)越性能。本書所提出的算法對(duì)當(dāng)下熱門的圖學(xué)習(xí)領(lǐng)域進(jìn)行了拓展，能夠成功應(yīng)用于推薦系統(tǒng)、關(guān)系預(yù)測(cè)、交通流預(yù)測(cè)等網(wǎng)絡(luò)分析任務(wù)，為現(xiàn)實(shí)世界中的復(fù)雜問題提供了全新的解決方案。