图神经网络基础模型与应用实战/人工智能技术丛书

图神经网络不仅能够解 决传统机器学习方法无法解 决的图数据问题，而且能够 应用于许多实际场景，例如 社交网络、药物发现、网络 安全、金融风控等。本书旨 在为初学者和实践者提供一 个详细、全面的入门指南， 围绕图神经网络基础、模型 、应用实战（均采用 Python+PyTorch实现）等 方面进行介绍。本书配套示 例源码、数据集、PPT课件 。 本书共分9章，内容包括 图神经网络概述、PyTorch 开发环境搭建、数据集的获 取与加载、图神经网络模型 、图神经网络在自然语言处 理领域的应用、图神经网络 在计算机视觉领域的应用、 图神经网络在推荐系统领域 的应用、图神经网络在社交 网络领域的应用、图神经网 络的挑战和机遇。其中，每 个领域的应用都包括1～3个 实战项目，可以帮助读者快 速掌握图神经网络。 本书适合图神经网络初 学者、图神经网络算法开发 人员、深度学习算法开发人 员，也适合高等院校或高职 高专图神经网络相关课程的 师生教学参考。

兰伟，广西大学计算机与电子信息学院副教授，博士研究生导师，中南大学博士。主要研究方向为机器学习、数据挖掘、生物信息学。在国际知名期刊和会议上发表论文60余篇，先后出版专著2部，获省部级奖项1项。

第1章 图神经网络概述 1.1 什么是图神经网络 1.1.1 图的基础知识 1.1.2 图神经网络简介 1.1.3 图神经网络的应用领域 1.2 图神经网络的重要性 1.3 图神经网络与传统深度学习的区别 1.3.1 传统深度学习模型 1.3.2 图神经网络与传统深度学习的区别 第2章 PyTorch开发环境搭建 2.1 Anaconda的安装和配置 2.2 PyCharm的安装和配置 2.3 PyTorch Geometric的安装和配置 2.3.1 查看系统支持的CUDA版本 2.3.2 下载最新的Navida显卡驱动 2.3.3 下载CUDA Toolkit 2.3.4 cuDNN的安装 2.3.5 安装PyTorch框架虚拟环境 2.3.6 检查PyTorch框架的安装 2.3.7 安装图神经网络库 2.3.8 使用Jupyter Notebook运行代码 第3章 数据集的获取与加载 3.1 PyTorch Geometric内置数据集 3.1.1 PyTorch Geometric简介 3.1.2 PyG内置数据集简介 3.1.3 如何加载内置数据集 3.2 自定义数据集 3.2.1 torch_geometric.data.Dataset类 3.2.2 torch_geometric.data.DataLoader类 3.2.3 如何加载自定义数据集 3.3 数据集预处理步骤 3.3.1 图像数据预处理 3.3.2 图数据预处理 第4章 图神经网络模型 4.1 图卷积神经网络 4.1.1 图卷积神经网络的起源和发展 4.1.2 图卷积神经网络与卷积神经网络的异同 4.1.3 图卷积神经网络简单代码实现 4.1.4 卷积神经网络简单代码示例 4.1.5 图卷积神经网络的应用领域 4.2 图注意力网络 4.2.1 图注意力网络的由来和发展 4.2.2 图注意力网络模型代码实现 4.2.3 图注意力网络的应用领域 4.3 图自编码器 4.3.1 图自编码器的由来和发展 4.3.2 图自编码器代码实现 4.3.3 图自编码器的应用领域 4.4 图生成网络 4.4.1 图生成网络的由来和发展 4.4.2 图生成网络代码实现 4.4.3 图生成网络的应用领域 第5章 图神经网络在自然语言处理领域的应用 5.1 基于图神经网络的文本分类实现 5.1.1 问题描述 5.1.2 导入数据集 5.1.3 词嵌入 5.1.4 构造邻接矩阵 5.1.5 构建图数据 5.1.6 图的小型批处理 5.1.7 图卷积神经网络 5.1.8 模型训练与测试 5.2 基于图神经网络的情感分析实现 5.2.1 问题描述 5.2.2 导入数据集 5.2.3 词嵌入 5.2.4 语法依存树 5.2.5 图的小型批处理 5.2.6 图神经网络的构造 5.2.7 模型训练与测试 5.3 基于图神经网络的机器翻译实现 5.3.1 基于语法感知的图神经网络编码器用于机器翻译 5.3.2 利用图卷积神经网络挖掘机器翻译中的语义信息 5.3.3 示例总结 第6章 图神经网络在计算机视觉领域的应用 6.1 基于图神经网络的图像分类实现 6.1.1 基于端到端的图神经网络模型的图像分类 6.1.2 基于区域的图神经网络模型的图像分类 6.2 基于图神经网络的目标检测实现 6.2.1 图神经网络的目标检测方法及其优缺点 6.2.2 GSDT目标检测的步骤 6.2.3 问题描述 6.2.4 导入数据集 6.2.5 模型搭建 6.2.6 模型训练与测试 6.3 基于图神经网络的图像生成实现 6.3.1 基于草图组合与图像匹配的图像生成 6.3.2 基于图神经网络的场景图生成 6.3.3 基于图卷积神经网络从场景图生成图像 第7章 图神经网络在推荐系统领域的应用 7.1 基于图神经网络的用户兴趣建模实现 7.2 基于图神经网络的推荐算法实现 7.3 基于图神经网络的广告推荐实现 7.3.1 数据预处理 7.3.2 模型定义 7.3.3 参数设置 7.3.4 模型训练与测试 7.3.5 结果 第8章 图神经网络在社交网络领域的应用 8.1 基于图神经网络的社交网络分析实现 8.1.1 问题描述 8.1.2 导入数据集 8.1.3 模型搭建 8.1.4 模型训练与测试 8.1.5 示例总结 8.2 基于图神经网络的社交网络关系预测实现 8.2.1 问题描述 8.2.2 导入数据集 8.2.3 模型搭建 8.2.4 模型训练与测试 8.2.5 示例总结 8.3 基于图神经网络的社交网络推荐实现 8.3.1 问题描述 8.3.2 导入数据集 8.3.3 模型搭建 8.3.4 模型训练与测试 8.3.5 示例总结 第9章 图神经网络的挑战和机遇 9.1 图神经网络的发展历程和现状 9.1.1 图神经网络的分类 9.1.2 经典的图神经网络模型 9.2 图神经网络的技术挑战和应用机遇 9.3 图神经网络的未来发展方向和热点问题