本書深入剖析了圖神經(jīng)網(wǎng)絡領域所面臨的兩大核心挑戰(zhàn)：深度加深模型退化和監(jiān)督信息過度依賴。針對這兩大挑戰(zhàn)，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(yōu)化等方面的內容。全書共7章，第1章主要介紹了圖神經(jīng)網(wǎng)絡研究的背景與意義，闡述了近年來國內外網(wǎng)絡表示學習與圖神經(jīng)網(wǎng)絡的研究現(xiàn)狀，分析了圖神經(jīng)網(wǎng)絡當前面臨的挑戰(zhàn)及其主要問題等；第2章主要對圖神經(jīng)網(wǎng)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(jīng)網(wǎng)絡在節(jié)點聚合過程中面臨的節(jié)點鄰域混雜的問題，提出了一種基于混合階的圖神經(jīng)網(wǎng)絡模型；第4章針對圖神經(jīng)網(wǎng)絡在節(jié)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(jīng)網(wǎng)絡模型；第5章針對自監(jiān)督信息缺失且包含噪聲的問題，提出了一種圖結構與節(jié)點屬性聯(lián)合學習的變分圖自編碼器模型；第6章針對節(jié)點自監(jiān)督信息貢獻不做區(qū)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(jīng)網(wǎng)絡可能的研究方向進行展望。