前言

为什么要写本书

2023年各大会议的投稿统计显示，图神经网络仍然是一个热点方向。实际上，图在任何领域都是一种复杂的数据结构。正是由于复杂，才吸引了众多专家进行研究。推荐系统是颇具应用前景的人工智能方向之一，它与图神经网络的结合必将产生巨大价值。

2003年，我开始接触知识图谱。知识图谱符合人类的学习和认知习惯，其出现大大提高了信息检索能力。人类能够处理复杂信号，从中学到有用的信息，是因为人的大脑已将这部分复杂信号处理成相互影响、有联系的信息，甚至提炼成有价值的知识。2012年，我因项亮等编写的《推荐系统实践》一书开始接触检索系统并特别关注推荐系统，当时脑海中有很多奇怪的想法。首先，用户怎么才能得到最好的检索结果？其次，系统推荐的物品到底是不是用户真正想要的？最后，系统如果一直推送用户喜欢的物品，它到底是怎么做到的？我带着这些疑问进一步学习。后来，我在工作中将深度学习和信息检索联系起来，在实践中取得了不错的效果，于是就有了将深度学习、推荐系统以及知识图谱结合起来的想法，并申请了一些专利。

2023年，ChatGPT横空出世。ChatGPT的出现让人们看到了人工智能的曙光，它的发展也让我们这些技术人员有了隐隐的担忧：它有可能改变信息检索的业态吗？但是，从另一个角度来看，人类进化了这么长时间，思考事物的底层逻辑仍然是不可取代的。

因此，当神经网络再次流行，当知识图谱概念盛行，当基于图数据的深度神经网络流行起来时，我有了将十几年的工作经验总结出来的想法，于是有了这本书。希望本书能让更多的技术人员在学习和前行的道路上不惶恐、不焦虑。

读者对象

本书是一本介绍图计算、建模以及基于图的推荐原理与实践的书籍，适合以下人群阅读。

❑推荐系统研发中高级工程师

❑自然语言处理中高级工程师

❑图神经网络中高级工程师

❑深度学习中高级工程师

❑人工智能中高级工程师

如何阅读本书

本书分为两篇。

第一篇：图数据与图模型（第1～3章）

第1章主要介绍图数据的基础知识，帮助读者理解数据结构中图的概念以及图数据结构的表示。

第2章主要介绍图神经网络基础知识。

第3章主要介绍知识图谱的基础知识。

第二篇：推荐系统（第4～9章）

第4章主要介绍推荐系统的架构。推荐系统是一种信息过滤技术，旨在为用户提供个性化的推荐内容，帮助用户发现感兴趣的物品或资源。推荐系统的核心目标是根据用户的偏好和行为，预测和推荐用户可能感兴趣的物品。

第5章和第6章主要介绍基于GNN的推荐系统的构建基础知识，以及利用图数据进行推荐的算法。

第7章对知识图谱在推荐系统中的应用展开讲解。

第8章和第9章介绍推荐系统的热点问题和研究方向以及实践案例。研究人员致力于开发可解释的推荐模型，以提高用户对推荐结果的信任度和满意度。

勘误和支持

由于作者水平有限，书中难免会有一些错误或者不准确的地方，恳请读者批评指正。如果你有更多的宝贵意见，也欢迎发送邮件至邮箱841412988@qq.com，期待得到你的真挚反馈。

致谢

感谢董文兴博士、邓宇博士认真细致地审稿并提供宝贵的意见。

感谢我的妻子和两个可爱的女儿，她们时时刻刻给予我信心和力量！

谨以此书献给我最亲爱的家人，以及众多热爱人工智能和机器学习的朋友们！