书籍介绍
这是一本把图神经网络「讲清楚来龙去脉」的入门书，也是读者争议最集中的一本。支持者说它「通俗易懂、有脉络」，适合有机器学习基础的读者快速建立整体认知；批评者则直言它「内容略简、细节得自己补论文」，「懂了看了还是懂，不懂的看了还是不懂」，甚至质疑其定价与厚度是否匹配。正是这种两极评价，勾勒出了它的真实定位：它不替你解决具体模型问题，而是帮你理清谱域与空域两条主线、理解图卷积为何本质是低通滤波器、过平滑从何而来。如果你想要一本「看完就能上手调参」的工具书，它会让你失望；但如果你正站在GNN门外、想先看清整幅地图再决定往哪深入，它提供了一条清晰且省事的入口。
作者简介
马腾飞，IBM全球研究院总部研究员，东京大学博士，研究方向为机器学习、自然语言处理等。近期的研究集中在图神经网络及其在医疗、生化、金融等领域的应用。在ICLR、NeurIPS、AAAI等人工智能国际会议上发表论文30多篇，并与他人合作，在AAAI、KDD等会议上多次讲授图神经网络的前沿专题。
目录
用户评论
内容略简要，具体细节得看论文。尽管方方面面都提了下，有些特定的topic没有涉及，此外缺乏洞察和high-level的分析。
适合入门。总体来说，要比那本深入浅出图神经网络要好。不过还是要多实战。
推荐斯坦福的CS224w，浙江大学最近开设的GNN课程，以及Graph Representation Learning book和图深度学习。
薄薄的一本小册子，甚至都比不上什么博客，就敢卖大几十。不过现在啥人都出个书赚钱，也是计算机行业的一大趋势，反正就是给没办法收集信息的人用的。打两星是因为这是知乎上“量子位”送的没花钱，于是加了一星。
太简单
还不错 博客风格 轻松愉快 仿佛学会了 但是好像没看到能解决我问题的模型
也算是有点脉络，内容简略但不至于看不懂；拿来入门还是可以的
在之前没有系统的接触过图神经网络，算是一本入门级读物吧，读之前需要一些深度学习的基础
从基本原理开始介绍，介绍了图神经网络具体有哪些方法能解决什么问题
写作风格也蛮喜欢的，不太枯燥
缺点是，前面的推导部分写的不够清晰
写的通俗易懂，适合新手快速了解gnn
在知乎抽奖抽到的。
花了一天拜读了一下。
有一两处排版存在小问题。总体而言还可以，深度和广度都不错。不过一些地方的介绍不够细致，属于“懂了看了还是懂,不懂的看了还是不懂”，内容不够self-contained。且图神经网络近年来在PL领域的多个方面（变量名预测、函数名预测、找程序漏洞、寻找合适的［用于静态分析的］抽象模型甚至推导循环不变式）都有许多出彩的工作，本书并未提及。
总得而言，本书介绍的内容挺充实，不详细的地方也可以自己查原论文了解。
电子工业出版社的其他书籍查看全部
下载
收藏