参考书籍：《深入浅出图神经网络-GNN原理解析》

代码实现汇总

资料	链接/页码
本书的配套代码 （包含如下4章的代码、数据集，PyTorch实现）	配套代码链接见下方
第五章-GCN实战	P101～P108
第七章-GraphSage实战	P148～P152
第八章-图分类实战	P169～P177
第九章-图自编码器	P189～P195

配套代码链接：配套代码

分如下八部分介绍书籍中的内容：图简介、神经网络基础、卷积神经网络、表示学习、GCN的性质、GNN变体与框架、基于GNN的图表示学习、GNN的应用简介

图简介

神经网络基础

卷积神经网络

表示学习

GCN的性质

GNN变体与框架

基于GNN的图表示学习

只介绍“无监督图表示学习”

GNN的应用简介

参考文献

【1】Weihua Hu, Bowen Liu, Joseph Gomes, Marinka Zitnik, Percy Liang, Vijay S. Pande and Jure Leskovec. Pre-training Graph Neural Networks. arXiv preprint arXiv: 1905.12265, 2019

【2】Deep graph infomax[J]. arXiv preprint arXiv: 1809.10341, 2018

【3】Wang H, Zhao M, Xie X, et al. Knowledge graph convolutional networks for recommender systems[C]//The World Wide Web Conference. ACM, 2019: 3307-3313

【4】Wu Q, Zhang H, Gao X, et al. Dual Graph Attention Networks for Deep Latent Representation of Multifaceted Social Effects in Recommender Systems[C]//The World Wide Web Conference. ACM, 2019: 2091-2102

结尾

亲爱的读者朋友：感谢您在繁忙中驻足阅读本期内容！您的到来是对我们最大的支持❤️

正如古语所言："当局者迷，旁观者清"。您独到的见解与客观评价，恰似一盏明灯💡，能帮助我们照亮内容盲区，让未来的创作更加贴近您的需求。

若此文给您带来启发或收获，不妨通过以下方式为彼此搭建一座桥梁： ✨ 点击右上角【点赞】图标，让好内容被更多人看见 ✨ 滑动屏幕【收藏】本篇，便于随时查阅回味 ✨ 在评论区留下您的真知灼见，让我们共同碰撞思维的火花

我始终秉持匠心精神，以键盘为犁铧深耕知识沃土💻，用每一次敲击传递专业价值，不断优化内容呈现形式，力求为您打造沉浸式的阅读盛宴📚。

有任何疑问或建议？评论区就是我们的连心桥！您的每一条留言我都将认真研读，并在24小时内回复解答📝。

愿我们携手同行，在知识的雨林中茁壮成长🌳，共享思想绽放的甘甜果实。下期相遇时，期待看到您智慧的评论与闪亮的点赞身影✨！

万分感谢🙏🙏您的点赞👍👍、收藏⭐🌟、评论💬🗯️、关注❤️💚～

---

自我介绍：一线互联网大厂资深算法研发（工作6年+），4年以上招聘面试官经验（一二面面试官，面试候选人400+），深谙岗位专业知识、技能雷达图，已累计辅导15+求职者顺利入职大中型互联网公司。熟练掌握大模型、NLP、搜索、推荐、数据挖掘算法和优化，提供面试辅导、专业知识入门到进阶辅导等定制化需求等服务，助力您顺利完成学习和求职之旅（有需要者可私信联系）

友友们，自己的知乎账号为“快乐星球”，定期更新技术文章，敬请关注！