本书基于图神经网络研究网络表示学习，具体内容包括:改进了高阶图卷积神经网络、图注意力网络、自编码架构和图的小波神经网络等模型，构建网络表示学习模型，并在图基础任务(如链路预测和节点分类)上取得了有效的性能。此外，本书采用前沿的图对比学习架构，通过增强图数据表示有效缓解数据稀疏问题，并在知识图谱的基础任务上显著提升性能。本书面向图数据应用，提出一种关系感知的异构图神经网络模型，可进行关系预测设计，并通过实验验证其优越性能。本书所提出的算法对当下热门的图学习领域进行了拓展，能够成功应用于推荐系统、关系预测、交通流预测等网络分析任务，为现实世界中的复杂问题提供了全新的解决方案。
莫先，宁夏大学副教授，硕士生导师，宁夏大学“以人为中心的可信计算”科技创新团队骨干成员。研究领域为人工智能与大数据，重点聚焦图神经网络、扩散模型和大语言模型在图学习领域的研究，该研究应用于链路预测、节点分类、推荐系统、社团检测、药物发现等具体领域。近5年来，其代表性成果包括中科院SCI-区Top论文6篇，中国计算机学会CCF推荐的B类期刊和中科院SC1二区论文3篇；主持国家自然科学基金青年科学基金项目1项和宁夏回族自治区自然科学基金优秀青年项目1项。
