更新时间：2024-06-20 17:48:38
封面
版权信息
内容提要
序
前言
第1章 概述
1.1 基本概念
1.1.1 图的定义和属性
1.1.2 复杂图
1.1.3 图上的计算任务
1.2 图神经网络的发展
1.2.1 图表示学习的历史
1.2.2 图神经网络的前沿
1.3 本书的组织结构
第2章 基础图神经网络
2.1 引言
2.2 图卷积网络
2.2.1 概述
2.2.2 GCN模型
2.3 归纳式图卷积网络
2.3.1 概述
2.3.2 GraphSAGE模型
2.4 图注意力网络
2.4.1 概述
2.4.2 GAT模型
2.5 异质图注意力网络
2.5.1 概述
2.5.2 HAN模型
第3章 同质图神经网络
3.1 引言
3.2 自适应多通道图卷积网络
3.2.1 概述
3.2.2 实验观察
3.2.3 AM-GCN模型
3.2.4 实验
3.3 融合高低频信息的图卷积网络
3.3.1 概述
3.3.2 实验观察
3.3.3 FAGCN模型
3.3.4 实验
3.4 图结构估计神经网络
3.4.1 概述
3.4.2 GEM模型
3.4.3 实验
3.5 基于统一优化框架的图神经网络
3.5.1 概述
3.5.2 预备知识
3.5.3 GNN-LF/HF模型
3.5.4 实验
3.6 本章小结
3.7 扩展阅读
第4章 异质图神经网络
4.1 引言
4.2 异质图传播网络
4.2.1 概述
4.2.2 HPN模型
4.2.3 实验
4.3 基于距离编码的异质图神经网络
4.3.1 概述
4.3.2 DHN模型
4.3.3 实验
4.4 基于协同对比学习的自监督异质图神经网络
4.4.1 概述
4.4.2 HeCo模型
4.4.3 实验
4.5 本章小结
4.6 扩展阅读
第5章 动态图神经网络
5.1 引言
5.2 基于微观和宏观动态性的图表示学习
5.2.1 概述
5.2.2 模型
5.2.3 实验
5.3 基于异质霍克斯过程的动态异质图表示学习
5.3.1 概述
5.3.2 HPGE模型
5.3.3 实验
5.4 基于动态元路径的时序异质图神经网络
5.4.1 概述
5.4.2 DyMGNN模型
5.4.3 实验
5.5 本章小结
5.6 扩展阅读
第6章 双曲图神经网络
6.1 引言
6.2 双曲图注意力网络
6.2.1 概述
6.2.2 HAT模型
6.2.3 实验
6.3 洛伦兹图卷积网络
6.3.1 概述
6.3.2 LGCN模型
6.3.3 实验
6.4 双曲异质图表示
6.4.1 概述
6.4.2 HHNE模型
6.4.3 实验
6.5 本章小结
6.6 扩展阅读
第7章 图神经网络的知识蒸馏
