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。