"本书系统介绍了图机器学习的基础理论、典型模型与应用实践。本书首先介绍图的基本概念、表示方法与特征构造技术；其次从图嵌入模型出发，深入介绍了图神经网络的主要架构与变体；再次概述图机器学习前沿进展，并详细介绍异质图、谱图、可信图和图基础模型等前沿方向；最后介绍了图机器学习在推荐系统、金融风控、生命科学、电路设计等领域的典型应用，并涵盖了开发平台与应用实践等相关内容。 本书适合计算机科学、人工智能、数据科学等相关专业的学生和学者阅读，也适合相关应用领域的算法工程师参考。 "

前言 图作为一种表达复杂关系结构的重要数据形式，具有广泛应用价值。传统基于欧几里得空间的机器学习方法难以应对图数据的高阶依赖与复杂结构。因此，面向图数据的图机器学习方法应运而生，并迅速成为研究热点。特别是，将深度学习应用于图数据而产生的图神经网络在建模图结构数据方面表现出显著优势，近些年已经成为人工智能的核心技术，并广泛应用于推荐系统、风控安全、药物研发等领域。 笔者于2022年开设“图机器学习”研究生课程，一直苦于没有合适的教材。虽然以图神经网络为代表的图机器学习是研究和应用热点，学术专著有不少，但是国内外相关的教材很少。由于一直专注于图机器学习相关研究，因此也萌生了写一本《图机器学习》教材的想法，既是对研究工作的总结整理，也是对该方向的系统梳理；但也深知教材与专著有巨大差异，写一本好教材比专著要难得多。经过两年的酝酿，一年的写作，近一年的编辑校对，这部凝结了笔者在相关方向近20年的研究和思考的教材，希望能够对该方向的研究有所促进，对相关课程建设有所帮助。 本书系统全面介绍图机器学习的基本原理、核心算法与典型应用，帮助读者建立完善的图机器学习的知识体系与实践能力。本书由基础篇、进阶篇与应用篇三部分组成，既涵盖了图机器学习的主要内容，又循序渐进，满足读者的不同需要。本书主要内容如下: 基础篇（第1～5章）系统介绍图机器学习的基本概念和基础模型，帮助读者打下坚实的理论与方法基础。第1章介绍图的类型、表示方法与基本操作；第2章系统讲解节点、边和图级特征的构造与应用；第3章则引入图嵌入方法；第4章介绍图神经网络的基本结构和经典模型；第5章讨论图神经网络在数据、架构和...