圖數據是對萬物間聯繫的一般抽象，廣泛存在於各行各業中。圖表徵學習為圖數據的建模與分析提供了新範式，是近年來機器學習與資料採擷領域的熱門研究方向，並被有效地應用於推薦系統、交通預測等眾多領域。本書將全面介紹圖表徵學習，特別是針對處於真實世界動態、開放環境之中圖數據的圖表徵學習方法。
本書分為3 篇：第1 篇介紹圖嵌入和圖神經網路等經典圖表徵學習方法；第2 篇圍繞魯棒性、動態性、可解釋性、分佈外泛化性等多個角度，系統地介紹針對動態開放環境中的圖表徵學習方法；第3 篇以四個不同領域為例，從推薦系統、交通預測、自然語言處理、組合優化等場景，介紹圖表徵學習的應用方法。除了對代表性方法進行詳細介紹，本書還提供了豐富的參考文獻，讀者可以更深入地學習圖表徵學習的前沿內容。
《圖表徵學習：邁向動態開放環境》適合具有一定機器學習基礎的高年級本科生、研究生、教師和研究者，以及對圖數據感興趣的電腦工程師和從業人員閱讀，也適合對人工智慧、深度學習和圖數據分析感興趣的其他人士參考。
本書分為3 篇：第1 篇介紹圖嵌入和圖神經網路等經典圖表徵學習方法；第2 篇圍繞魯棒性、動態性、可解釋性、分佈外泛化性等多個角度，系統地介紹針對動態開放環境中的圖表徵學習方法；第3 篇以四個不同領域為例，從推薦系統、交通預測、自然語言處理、組合優化等場景，介紹圖表徵學習的應用方法。除了對代表性方法進行詳細介紹，本書還提供了豐富的參考文獻，讀者可以更深入地學習圖表徵學習的前沿內容。
《圖表徵學習：邁向動態開放環境》適合具有一定機器學習基礎的高年級本科生、研究生、教師和研究者，以及對圖數據感興趣的電腦工程師和從業人員閱讀，也適合對人工智慧、深度學習和圖數據分析感興趣的其他人士參考。