目录
用户评论
书里把基本的GNN相关的内容和知识点都介绍到位了，美中不足的是相关研究进展过于迅速，稍微有点跟不上最新研究。总体来看，是不错的工具书。
这本书确实如其名，导论，也确实是介绍一些基础知识，比较适合没什么基础的人拿来了解个大概。
老师和学生并列作者的时候，那书大概就是学生写的了。本来看完目录就不打算买了，冲着 刘知远老师还是买来看看。哎，刘老师，要爱惜自己的羽毛啊
适合纯入门使用。介绍了GNN 所需的基础的数学后，对卷积 GNN、循环GNN、注意力、残差等都做了介绍。然后对训练方法和通用框架做了补充，并在应用层面分结构化和非结构化分别介绍了不同领域的应用。
一星都嫌多！简直垃圾
2021.11.24
第2章，基础数学概念，讲的不详实，只摆结果，但结果又少了很多批注，让即使是学过相关知识但是遗忘的我，还是想不起来，看不懂。难以想象小白看了是不是直接放弃。书里的字太大了，明明可以充实更多内容。
2022.2.3
个人认为这本书叫“导览”更合适。细节内容基本没有，让钻细节的人束手无策。但是GCN的总体发展确实都涵盖了，只不过都蜻蜓点水了。
读的过程深刻感受到人多力量大的现实。短短10年，大量人力物力财力涌入GCN，带来了现在无论自媒体还是各类书籍，都有各种深入浅出的资料可以学习。反观一直在慢慢走的基础科学，文献难度，不仅得慢慢抽丝剥茧还得训练自己有高视野分辨，大大增加了各种难度。
不如…来年也涌入潮流吧……
等对DL有更多完备的实操知识后，再来温习这书。
适合读了一些GNN论文，但是尚未了解GNN全貌的人阅读。
内容确实很浅，不精细，但是足够告诉读者2020年前GNN发展动态。举例来说，我先前研究的是图分类算法，但是对于GNN的其他细分领域，比如有向图，异构图，多维图是完全不知道的。由于之前只重视算法细节，不读本书我也不知道GNN在图像、本文、组合优化等领域有很多实际的应用。
现在再去回答以前面试官关于"GNN到底有什么用"的问题，会更有底气一点。
值得一提的是，译者李泺秋好像是个和我同届的硕士，当年看着他知乎上一篇一篇写文章的，如今他都出书了，我依旧还在山上吃草……
可以当论文查找的小册子，内容很浅
可以当入门综述，但是太贵了
收藏