题图 | Computer vector created by stories - www.freepik.com
图灵的编辑小姐姐最近向我推荐了一本书：《图神经网络导论》这本书内容很干，印刷精美，对这一领域感兴趣的同学可以买来看看。
说起来，大学时代的图灵君也算得上是零挂科修完全部计算机课程的人才。
怀着对前沿技术的满腔热忱，年（yī）纪（tóu）轻（xiù）轻（fà）的图灵君加入了图灵，从此为传播前沿技术鞠躬尽瘁、孜孜不倦，咳咳……
其实，图灵君有那么一点儿自己的小心思。在图灵，自然能够优先接触到最前沿、最炫酷、最高大上的技术书。拿AI技术举个例子，图灵已经出版了许多AI畅销书。每天泡在书堆里，图灵君耳濡目染，对AI热词也已经如数家珍：深度学习、神经网络、反向传播、强化学习、RNN、CNN、GNN、Transformer……
不过，知道这些词是一回事，真正理解又是另一回事。这不，图灵君连神经网络还没真正整明白，图神经网络却又秃然火了。
拿ICLR来说，也就是国际表征学习大会（International Conference on Learning Representations），这是深度学习领域的顶级大会。几个月前，有人分析了提交给该大会的论文中的高频词[1]，发现图神经网络（GNN）赫然排在第4位，仅次于「深度学习」「强化学习」和「表征学习」。
连DeepMind深度学习大佬Petar Veličković都不免感叹：毋庸置疑，GNN现在差不多算是深度学习工具箱中的「一等公民」了！
小伙伴们，还学得动吗？说实话，图灵君自己的脑子里有一团乱麻。聊到GNN，小姐姐说很多同学入门GNN的方式是读论文，不过现在这方面的论文实在是太多了：「有人在GitHub上总结了一份GNN必读论文清单。你知道里面有多少篇吗？」
「你有空可以去查一下，看能不能数得过来。」编辑小姐姐狡黠一笑。
这有何难？图灵君暗自思忖，回头就找到了这份GitHub标星竟然近1.1万的清单：https://github.com/thunlp/gnnpapers。
数了数，综述论文有14篇，基本模型的论文有92篇，图类型的论文有20篇，计算机视觉相关的有70篇，NLP相关的有56篇，其他的还有近200篇！好家伙，加起来将近500篇啊！第二天，跟编辑小姐姐吐槽这件事，她哈哈大笑：「要学GNN，或许有更好的打开方式！」第一作者竟是知乎大V、NLP界赫赫有名的刘知远教授！
清华大学计算机科学与技术系副教授、博士生导师、智源人工智能研究院研究员，在自然语言处理、表征学习、知识图谱等人工智能研究领域享有盛誉，所开发的自然语言处理算法已成为该领域的代表方法。2018年入选《麻省理工科技评论》“35岁以下科技创新35人”。
「猜猜第二作者是谁？」编辑小姐姐凑过来问道。
「周界，正是那份GNN必读论文清单的主要维护者。」
翻开这本小书，图灵君惊喜地发现，竟然是全彩印刷！编辑小姐姐还告诉图灵君，这本书用的是高档纯质纸，怪不得触感极佳。
正如编辑小姐姐所说，这是一本关于图神经网络的综述，非常适合拿来构建图神经网络知识体系。你可以把这本书当作入门图神经网络的蓝图。
有了这本书，就暂且不必去读500篇英文论文，先构建起一个知识框架，这样认知负担会小很多。
但是，正因为这本书的综述性质，如果你想学习图神经网络如何在实际中应用，那么恐怕这本书并不能满足你的需求。
来看看这本书的内容结构。
作为基于深度学习的图数据处理方法，图神经网络（GNN）因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和应用场景。读完本书，你将对GNN的最新成果和发展方向有较为透彻的认识。
介绍不同种类的GNN模型，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。
介绍GNN在结构化场景、非结构化场景和其他场景中的应用。
图神经网络技术发展迅速，想快速学习、掌握这些技术有很多困难。这本书的特点是简明扼要、系统完整，是学习图神经网络的一本好教材。
——张长水
清华大学自动化系教授、IEEE Fellow
图神经网络是近年机器学习的研究热点，也在很多领域取得应用。这本书内容详尽，既包含对图神经网络基础的介绍，也有新的一些研究，同时还覆盖了部分应用，非常系统化，是一本非常值得推荐的书。
——唐杰
清华大学教授、AMiner创始人
图神经网络是目前学术界和工业界的研究热点之一。这本书全面、系统地介绍了图神经网络的基本概念、主要模型以及应用场景，内容清晰易懂，非常适合对图神经网络感兴趣的读者阅读。强烈推荐！
——邱锡鹏
复旦大学计算机学院教授
新 书 热 卖 中
刘知远 周界 著
李泺秋 译
老铁，三连支持一下，好吗？↓↓↓
