基于信息增強的圖神經網絡學習方法研究
本書深入剖析了圖神經網絡領域所面臨的兩大核心挑戰：深度加深模型退化和監督信息過度依賴。針對這兩大挑戰，本書提出了一系列解決思路，涵蓋模型結構設計、訓練策略優化等方面的內容。全書共7章，第1章主要介紹了圖神經網絡研究的背景與意義，闡述了近年來國內外網絡表示學習與圖神經網絡的研究現狀，分析了圖神經網絡當前面臨的挑戰及其主要問題等；第2章主要對圖神經網絡進行概要論述，包括基礎的理論、典型的模型方法及應用；第3章針對圖神經網絡在節點聚合過程中面臨的節點鄰域混雜的問題，提出了一種基于混合階的圖神經網絡模型；第4章針對圖神經網絡在節點交互過程中面臨的全局結構信息缺失問題，提出了一種基于拓撲結構自適應的圖神經網絡模型；第5章針對自監督信息缺失且包含噪聲的問題，提出了一種圖結構與節點屬性聯合學習的變分圖自編碼器模型；第6章針對節點自監督信息貢獻不做區分的問題，提出了一種基于注意力機制的圖對比學習模型；第7章總結全書并對圖神經網絡可能的研究方向進行展望。本書可供從事人工智能、數據挖掘、機器學習及網絡數據分析等相關領域的科研及工程人員參考，也可作為高等院校計算機、人工智能等專業本科生與研究生的學習參考書。
·8.1萬字
