本書基于圖神經(jīng)網(wǎng)絡研究網(wǎng)絡表示學習，具體內(nèi)容包括:改進了高階圖卷積神經(jīng)網(wǎng)絡、圖注意力網(wǎng)絡、自編碼架構(gòu)和圖的小波神經(jīng)網(wǎng)絡等模型，構(gòu)建網(wǎng)絡表示學習模型，并在圖基礎任務(如鏈路預測和節(jié)點分類)上取得了有效的性能。此外，本書采用前沿的圖對比學習架構(gòu)，通過增強圖數(shù)據(jù)表示有效緩解數(shù)據(jù)稀疏問題，并在知識圖譜的基礎任務上顯著提升性能。本書面向圖數(shù)據(jù)應用，提出一種關系感知的異構(gòu)圖神經(jīng)網(wǎng)絡模型，可進行關系預測設計，并通過實驗驗證其優(yōu)越性能。本書所提出的算法對當下熱門的圖學習領域進行了拓展，能夠成功應用于推薦系統(tǒng)、關系預測、交通流預測等網(wǎng)絡分析任務，為現(xiàn)實世界中的復雜問題提供了全新的解決方案。