其实对于这本书，我是没有发言权的，因为只是想自学一下人工智能的原理。在这之前有试过自己查找资料学习，但是效率很低，并且神经网络作为一个庞大的系统性学科，自学并不是一个很好的选择，这本书在我看来作为我初窥人工智能大门的一本书还是不错的。神经网络的基础学科较多，各种算法模型，需要有较多的数学基础。本书在这方面做的还是不错，在这些基础方面讲的较为具体，对我这种初学者较为友好，许多经典的算法模型在书中描述还是比较详细的。在此之前我走过不少弯路，本以为学习算法需要先了解算法底层，还看了些算法导论的东西，没看多少就放弃了，因为是真的难啃。还有就是看过一些培训机构的免费直播课，... 这种商业化的知识真的不适合想学习的人，一节课半节推销。所以我个人觉得书籍作为学习还是必不可少，虽然自学效率低，但是理解的会更深刻。回到这本书，主要介绍了神经网络的基本概念和算法，研究前沿以及广泛和新兴的应用。全书分为四个部分。一引言，本部分介绍了神经网路的基本概念；二基础，本部分介绍了图神经网络成熟的方法，该部分可以帮助想了解图神经网络各种技术和理论的读者；三前沿，介绍了图神经网络典型的前沿领域，相信这一部分内容对图神经网络领域的进行前沿探索的人提供帮助；四广泛和新兴的应用，描述了可能对图神经网络未来研究比较重要和有前途的方法与应用进展情况。机器学习的效率不仅取决于算法，还取决于数据在特征空间中的表示方法。好的表示方法应该由数据中提取的最少和最有效的特征组成，并能通过机器学习自动获取，这就是所谓的 “表示学习”（也称表征学习）。图表征学习的目标除给图中的节点指派一个低维的矢量表征以外，还要求尽量保留图的结构，这是它和传统深度学习中的表征学习的重大差别。