包邮图神经网络:基础、前沿与应用

第 一部分 引言 第 1章 表征学习 2 1.1 导读 2 1.2 不同领域的表征学习 3 1.2.1 用于图像处理的表征学习 3 1.2.2 用于语音识别的表征学习 5 1.2.3 用于自然语言处理的表征学习 7 1.2.4 用于网络分析的表征学习 8 1.3 小结 9 第 2章 图表征学习 11 2.1 导读 11 2.2 传统图嵌入方法 12 2.3 现代图嵌入方法 13 2.3.1 保留图结构和属性的图表征学习 13 2.3.2 带有侧面信息的图表征学习 15 2.3.3 保留高级信息的图表征学习 15 2.4 图神经网络 16 2.5 小结 17 第3章 图神经网络 18 3.1 导读 18 3.2 图神经网络概述 19 3.2.1 图神经网络基础 19 3.2.2 图神经网络前沿 20 3.2.3 图神经网络应用 22 3.2.4 本书组织结构 23 3.3 小结 24 第二部分 基础 第4章 用于节点分类的图神经网络 28 4.1 背景和问题定义 28 4.2 有监督的图神经网络 29 4.2.1 图神经网络的一般框架 29 4.2.2 图卷积网络 30 4.2.3 图注意力网络 32 4.2.4 消息传递神经网络 33 4.2.5 连续图神经网络 33 4.2.6 多尺度谱图卷积网络 35 4.3 无监督的图神经网络 37 4.3.1 变分图自编码器 37 4.3.2 深度图信息*大化 39 4.4 过平滑问题 41 4.5 小结 42 第5章 图神经网络的表达能力 44 5.1 导读 44 5.2 图表征学习和问题的提出 47 5.3 强大的消息传递图神经网络 49 5.3.1 用于集合的神经网络 49 5.3.2 消息传递图神经网络 50 5.3.3 MP-GNN的表达能力 51 5.3.4 具有1-WL测试能力的MP-GNN 53 5.4 比1-WL测试更强大的图神经网络架构 54 5.4.1 MP-GNN的局限性 54 5.4.2 注入随机属性 56 5.4.3 注入确定性距离属性 61 5.4.4 建立高阶图神经网络 65 5.5 小结 69 第6章 图神经网络的可扩展性 71 6.1 导读 71 6.2 引言 72 6.3 抽样