人工智能好书推荐：《图深度学习

全书从后台先容、外面细节，到现实使用，再到总结与拓展，长远浅出。涵盖了研习图深度研习必需明了的底子学问，图深度研习中经典的模子手段，图深度研习正在现实中的使用手段，以及图深度研习最新的琢磨热门和前沿发展。

揭秘图深度研习的基础道理和经典算法，席卷新颖图嵌入、用于方便图和庞杂图的GNN、GNN 的强大性和可扩展性及GNN 之外的图深度模子。使用个人先容了GNN 正在规范界限的使用，席卷自然说话处置、谋略机视觉、数据开掘、生物化学和医疗健壮适合谋略机科学、人工智能和机械研习等闭连专业各个阶段的学生研习，也可供讯息界限闭连从业者，席卷工程师和琢磨职员阅读。

正在过去的几十年中，图透露研习界限博得了强大的发展。这些发展大致可能划分为图透露研习的三个时间，即古板图嵌入、新颖图嵌入和图深度研习。

Word2vec 是从大宗文本中研习词的透露的一种手段，这些天生的词透露已推动了很众自然说话处置职司的发展。Word2vec 正在图域的胜利扩开展启了第二代图透露研习——新颖图嵌入。

鉴于深度研习技巧正在图像和文本界限透露研习中博得的强大胜利，琢磨者已勤奋地将其扩大到图域，从而开启了图透露研习的新篇章——图深度研习。

越来越众的证据证实，第三代图透露研习，加倍是图神经搜集（GNN），极大地推进了席卷注重于节点和注重于图的各式图上谋略职司的生长。

正在保举体例和社交搜集阐述等经典界限中，GNN 带来了最好的功能并为它们带来新的琢磨课题。同时，GNN也不时地使用到新的界限，比如组合优化、物理和医疗健壮。

GNN 的这些普通使用为琢磨者供给了差别砚科的众种功劳和意见，并使该琢磨界限真正成为跨学科界限。（完）