《图神经网络》是一本由吴凌飞 / 崔鹏 / 裴健 / 赵亮著作，人民邮电出版社出版的平装图书，本书定价：178.80元，页数：420，特精心收集的读后感，希望对大家能有帮助。
《图神经网络》读后感(一)：值得一读
图神经网络现在发展的很快，但是没有多少书能完整概括这个话题的，这本书大致浏览了一下能看出整个逻辑很有条理，能看到全局的脉络，从基础到深入，触及前沿和应用。书里有些点还配上了各种图示，值得好好读一下。
今年读不少人邮和异步图书的书，质量还是不错的，现在新兴的应用很多，需要一些这样的书来帮助我们了解其中的知识。
《图神经网络》读后感(二)：入门图神经网络的权威教材
近年来，随着图形数据的挑战，人们对深度学习方法在如何在图上应用进行了广泛而深入的投入。最终研究人员借鉴了卷积网络、循环网络和深度自动编码器的思想，设计了用于处理图数据的神经网络结构，由此发掘了一个新的研究热点——“图神经网络（Graph Neural Networks，GNN）”。到现在，图神经网络已经有了比较长足的进展。
由于图神经网络还是比较新颖前沿的领域，学习一些前沿的知识最好的方法是阅读权威文献。《图神经网络》由国内外知名名牌大学教授撰写，国内外人工智能领域的权威人士推荐，在知识的深度和权威性上有保证。用来入门图神经网络也是一个不错的选择。
根据书的前两章的介绍，可以了解到表征学习和图表征学习的动机，图神经网络如何和我们的社交网络，生物信息网络联系起来，也了解了图数据处理起来的复杂性和困难度。包括如何简洁的表征图，高计算复杂性等问题。同时当前的机器学习方法对于传统方式表征的图数据无法完美适用，甚至有可能不适用，这就需要全新的图表征方法。本书第二章就着重介绍了一些当前的新的图表征方法。而总结来说就是传统嵌入方法，现代图嵌入方法和图神经网络。在阅读本书时，出现了一些线代的相关知识，和一些机器学习和深度学习的相关内容，这就可能需要阅读人员先要了解了一些前置知识，才能更好的通过本书学习图神经网络的内容。
《图神经网络》读后感(三)：前两章短评
读了短短两章，本书总体架构还是比较清晰的，首先对表征学习进行了介绍。之后对图像处理，语音识别，自然语言处理的基本方法进行了主要讲解，并从监督表征，无监督表征，迁移学习等方面分别介绍了比较重要的方法。可能是为了从浅显的背景说起，对于目前领域大火的 bert ，transformer等。目前对比学习型的方法也没有看到，可能会在后续文中进行体现。不过问题不大，比较本书是对图神经网络的内容进行介绍，其他领域的内容略过即可。
后续书对整个图表示学习的重要性和主流方法进行了阐述，现在大多人工智能领域都是基于前述几种信息展开的，均是特定的格式，属于广泛图表示种的一些特殊的表示。然而，传统的图表示存在计算复杂度高、并行度低以及机器学习方法不适用的问题。同时分析了图表示背后的原理：节点之间的关系可以通过向量空间中节点之间的距离来捕捉，节点的结构特征被编码到该节点的表示向量中。引入图的两个目标，从学到的表示向量中重构原始图结构（如果两个节点之间有边或关系，那么这两个节点在表示空间中的距离应该相对较小）。其次，学习到的表示空间可以有效地下游任务，如节点分类、节点聚类、图的可视化和链接预测。并对图表示学习方法的传统图嵌入方法、现代图嵌入方法和图神经网络进行了介绍。
总体来说对整个整个图表示的背景和基础有了比较深入的了解。还是非常棒的。
