「グラフ表現学習」書籍 詳細紹介

概要

本書は、マギル大学のウィリアム・L・ハミルトン教授によって執筆された、グラフ表現学習に関する総合的な教科書です。グラフデータ埋め込み手法、グラフニューラルネットワーク、グラフの深層生成モデルを網羅し、グラフ表現学習について簡潔かつ包括的な紹介を提供することを目的としています。

背景

グラフ表現学習の分野は、過去7年間で驚くべき速さで発展し、比較的小規模な研究サブセットから、深層学習において最も急速に発展しているサブフィールドの一つへと変貌を遂げました。本書は、この急速に進化する分野に決定版の紹介を提供しようとする著者の試みです。

入手方法

• 無料版: プレリリース版のPDFファイルをダウンロードできます。
• 正式版: Morgan & Claypool出版社を通じて電子書籍または印刷版を購入できます。
• 章ごとのアクセス: 各章のプレリリース版に個別にアクセスできます。

内容構成

基礎編

• Chapter 1: Introduction and Motivations

  • 導入と動機
  • 最終更新：2020年9月

• Chapter 2: Background and Traditional Approaches

  • 背景と従来のアプローチ
  • 最終更新：2020年9月

Part I: Node Embeddings (ノード埋め込み)

• Chapter 3: Neighborhood Reconstruction Methods

  • 近傍再構築手法
  • 最終更新：2020年9月

• Chapter 4: Multi-Relational Data and Knowledge Graphs

  • 多関係データと知識グラフ
  • 最終更新：2020年9月

Part II: Graph Neural Networks (グラフニューラルネットワーク)

• Chapter 5: The Graph Neural Network Model

  • グラフニューラルネットワークモデル
  • 最終更新：2020年9月

• Chapter 6: Graph Neural Networks in Practice

  • グラフニューラルネットワークの実践
  • 最終更新：2020年9月

• Chapter 7: Theoretical Motivations

  • 理論的動機
  • 最終更新：2020年9月

Part III: Generative Graph Models (生成グラフモデル)

• Chapter 8: Traditional Graph Generation Approaches

  • 従来のグラフ生成アプローチ
  • 最終更新：2020年9月

• Chapter 9: Deep Generative Models

  • 深層生成モデル
  • 最終更新：2020年9月

付録

• Bibliography
  • 参考文献
  • 最終更新：2020年9月

学術情報

• 著者: William L. Hamilton
• 出版社: Morgan & Claypool Publishers
• シリーズ: Synthesis Lectures on Artificial Intelligence and Machine Learning
• 巻数: 14
• 号数: 3
• ページ数: 1-159

著作権情報

本書のプレリリース版は、出版社の寛大な同意のもと公開アクセスが可能ですが、出版社のフォーマットや改訂は含まれません。全ての著作権は著者と出版社が保有します。

フィードバック窓口

フィードバック、誤りの訂正、ご意見を歓迎します。wlh@cs.mcgill.ca までお送りください。メール件名に「[GRL BOOK]」とご記入ください。

学習価値

本書は以下の人々にとって貴重な学習リソースを提供します。

• 深層学習研究者
• グラフニューラルネットワーク初心者
• グラフデータ分析専門家
• 機械学習エンジニア
• 大学院生および博士課程の学生

コア技術分野

• グラフ埋め込み技術
• グラフニューラルネットワークアーキテクチャ
• 知識グラフ処理
• グラフ生成モデル
• グラフデータにおける深層学習の応用