第 一部分 引言 第 1章 表征學習 2 1.1 導讀 2 1.2 不同領域的表征學習 3 1.2.1 用于圖像處理的表征學習 3 1.2.2 用于語音識別的表征學習 5 1.2.3 用于自然語言處理的表征學習 7 1.2.4 用于網絡分析的表征學習 8 1.3 小結 9 第 2章 圖表征學習 11 2.1 導讀 11 2.2 傳統圖嵌入方法 12 2.3 現代圖嵌入方法 13 2.3.1 保留圖結構和屬性的圖表征學習 13 2.3.2 帶有側面信息的圖表征學習 15 2.3.3 保留高級信息的圖表征學習 15 2.4 圖神經網絡 16 2.5 小結 17 第3章 圖神經網絡 18 3.1 導讀 18 3.2 圖神經網絡概述 19 3.2.1 圖神經網絡基礎 19 3.2.2 圖神經網絡前沿 20 3.2.3 圖神經網絡應用 22 3.2.4 本書組織結構 23 3.3 小結 24 第二部分 基礎 第4章 用于節點分類的圖神經網絡 28 4.1 背景和問題定義 28 4.2 有監督的圖神經網絡 29 4.2.1 圖神經網絡的一般框架 29 4.2.2 圖卷積網絡 30 4.2.3 圖注意力網絡 32 4.2.4 消息傳遞神經網絡 33 4.2.5 連續圖神經網絡 33 4.2.6 多尺度譜圖卷積網絡 35 4.3 無監督的圖神經網絡 37 4.3.1 變分圖自編碼器 37 4.3.2 深度圖信息*大化 39 4.4 過平滑問題 41 4.5 小結 42 第5章 圖神經網絡的表達能力 44 5.1 導讀 44 5.2 圖表征學習和問題的提出 47 5.3 強大的消息傳遞圖神經網絡 49 5.3.1 用于集合的神經網絡 49 5.3.2 消息傳遞圖神經網絡 50 5.3.3 MP-GNN的表達能力 51 5.3.4 具有1-WL測試能力的MP-GNN 53 5.4 比1-WL測試更強大的圖神經網絡架構 54 5.4.1 MP-GNN的局限性 54 5.4.2 注入隨機屬性 56 5.4.3 注入確定性距離屬性 61 5.4.4 建立高階圖神經網絡 65 5.5 小結 69 第6章 圖神經網絡的可擴展性 71 6.1 導讀 71 6.2 引言 72 6.3 抽樣