出版書誌データベース

世界は「グラフ」でできている。ソーシャルネットワーク、交通ネットワーク、タンパク質の相互作用など、身の回りの様々な現象は、ノード（頂点）とエッジ（辺）から構成されるグラフによって記述することができる。本書はこのグラフを深層学習（ディープラーニング）に適用した「グラフ深層学習」を、初学者にも分かりやすく解説した入門書である。グラフ理論や深層学習の基礎からはじめ、グラフニューラルネットワーク（GNN）の理論的な側面やその実践的な応用例を幅広く取り上げている。自然言語処理、画像処理、データマイニング、生化学・ヘルスケアなど、様々な分野でのGNNの活用が理解できるようになってる。GNNに興味を持つ学生や研究者、さらには実際の業界でGNNを応用したいと考えている専門家にとって、理解の手引きとなる一冊である。

第1章　グラフ深層学習：イントロダクション
第Ⅰ部　基礎
第2章　グラフ理論の基礎
第3章　深層学習の基礎
第Ⅱ部 手法
第4章　グラフ埋め込み
第5章　グラフニューラルネットワーク
第6章　GNNの敵対的ロバスト性
第7章　GNNのスケーラビリティ
第8章　複雑グラフ上のGNN
第9章　GNNの枠を超えて：その他のグラフ深層学習モデル
第Ⅲ部　応用
第10章　自然言語処理分野におけるGNN
第11章　画像処理分野におけるGNN
第12章　データマイニング分野におけるGNN
第13章　生化学・ヘルスケア分野におけるGNN
第Ⅳ部 発展
第14章　GNNにおける発展的な話題
第15章　GNNにおける発展的な応用例

原案：ヤオ マー/ジリアン タン
ミシガン州立大学 コンピュータサイエンス・エンジニアリング学部

訳：宮原 太陽
慶應義塾大学環境情報学部卒。スカイウイル株式会社にて、データサイエンティストとして分析業務に従事。

訳：中尾 光孝
東京大学理学部物理学科卒、東京大学大学院理学系研究科物理学専攻修了。博士（理学）。証券会社にて、クオンツアナリスト・データサイエンティストとしてネットワークデータを活用した分析業務に従事。