4位GNN一线大佬联手编撰新书，还未出版就爆火！（送书）

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、赵亮等GNN领域的影响力学者联合编撰、50多位GNN各方向专家学者倾力贡献的《图神经网络：基础、前沿与应用》终于要来啦！

本书作者群星璀璨，图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！

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长聘副教授，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。

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。

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。

吴博士在本书中对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。

比如吴博士带领团队开发的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：

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。

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。

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。

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。

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。