发布时间：2023-05-25 16:30
延续之前工作和兴趣的风格，当看到有新的一本和图神经网络相关的中文书出现后，立刻就买了一本学习一下。4月初到手这本《图神经网络-基础与前沿》，先粗粗地浏览了一遍，有些失望，觉得名不副实。不过在仔细地阅读之后，个人感觉其中还是有一些不错的内容。现在读完了，留下一些读后感，也算一个书评吧。
两遍看下来，简要总结这本书：一本PPT书，是对图神经网络历史以及近两年进展的一个概览，基本按照段落标题可以搞一个GNN的介绍PPT。但是对于PPT的读者能理解多少，或者讲解这个PPT的人能讲好多少，就完全看读者和讲解者的背景和相关技术能力了。所以这本书不适合作为入门读物，也不是一本研究型的书。更适合搞商务的人来简单了解一下GNN，或者本科生想了解一些基本的GNN知识并跟踪一些近两年的前沿研究的线索。
下面进入细节。老习惯，先看看书的基本信息：
先介绍一下这本书的结构。和之前的《深入浅出》不同，这本书开宗明义的就只说图神经网络，没有和深度学习进行勾连。所以基本的逻辑顺序是很容易把握的。
首先第一章就进行了整体的图神经网络的综述。简单地讲解了什么是图，深度学习和图的关系，以及图神经网络的发展简史和应用领域。
第二章讲解了图谱理论，给第三章图神经网络的讲解做了一个铺垫。
第三章个人认为是本书最有意思的一章，对于想了解GNN的前世今生，而且还有一点神经网络基础的人来说，这是个了解了之后吹吹牛最好的谈资了。只是最后的那个实战部分有点多余，这些代码基本没啥用处了。
第四章讲解了GCN存在的一些问题，比如过平滑问题。并介绍了一些解决问题的比较新的研究论文。
第五章介绍了目前GNN发展的几个方向，比如扩展GNN的深度、图的池化方法、无监督学习和大规模图数据上的GNN等。相应的都把近两年的研究论文做了一些介绍。
第六章介绍了一些非GNN的图嵌入学习的方法。
第七章主要是针对图数据里面的一个非常重要的领域：知识图谱。讲解了传统的Trans X的方法、语义匹配模型和GNN的方法等。
第八章是针对GNN在一些领域的应用里的最新进展所做的介绍。
纵观全书，除了第一二章，其他各章对于讲解的核心都会给出近两年的作者认为的比较经典的论文。可能在选择的时候有作者个人的偏好，但是也基本能给出比较中肯的讲解。书的内容应该是在2020年的下半年完成的，所以里面引用的论文最晚到2020年前期的几个顶会。对于相关的主题基本都给了1-3篇最近的文献。从这个角度上说，对图神经网络有兴趣的同学是可以把这本书作为简要跟踪最新进展的一个着手点，从这几篇文章入手来学习。
但是也正如章节介绍里所列出来的，这本书涵盖的内容还是比较宽的，加上页数有限，所以几乎每个主题都没有更深入的内容，论文的介绍也偏简略。想仅仅通过书里的内容就搞懂最近的进展基本就只能看读者的自身水平了。懂的就自然能看懂，不懂的也不容易搞懂。所以就需要读者自己去进一步的发现和学习了。书的最后的引用文献算是一个还可以的列表，建议读者参考参考。
把这本书和之前看的《深入浅出图神经网络》比较来看，这本书的优点在于它比较多的跟踪了近两年的最新发展，但是对于基础的原理没有《深入》讲的透彻，适合入门学习。所以有条件的话，可以两本书交叉看，并利用《基础》里面的文献了表去找论文来学习。
目前市面上能买到的中文的图神经网络的书就这两本了。不过近期看到密歇根州立的马老师写的一本《Deep Learning on Graph》已经在国内准备出版了，名字是《图深度学习》。英文内容已经可以下载。从英文内容看，应该是比较偏理论的一本书。希望在中文出版后，也学习学习，然后再跟一片书评。