文章总结： 北京邮电大学GAMMALab石川教授团队发布《图机器学习》教材，由清华大学出版社出版。该书构建了基础、进阶与应用的三步知识体系，涵盖GNN核心、异质图及图基础模型等前沿内容，并结合DGL等平台提供实战指导。配套开源课件与代码资源，旨在解决理论与工程脱节问题，助力科研与工业落地。 综合评分： 60 文章分类： 软文广告,产品介绍

新闻 | 《图机器学习》教材重磅发布！

原创

王秋雨 王秋雨

北邮 GAMMA Lab

2026年3月11日 09:42 北京

新闻 | 《图机器学习》教材重磅发布！

在万物互联的今天，数据不再是孤立的点，而是错综复杂的“图”。从社交网络到金融风控，从药物研发到电路设计，非欧几里得空间的关联数据处理已成为人工智能的核心战场。你是否也曾面临：

• 看论文如“盲人摸象”，缺乏系统的理论根基？
• 掌握了模型原理，却在处理异质图、长尾分布时束手无策？
• 面对工业级海量数据，不知道如何选择图学习平台？

今天，由清华大学出版社出版，北京邮电大学 GAMMA Lab 石川教授团队撰写的《图机器学习》正式面世！ 这就是你寻找已久的“全栈进阶指南”。

特色一：硬核体系，三步登顶

本书不堆砌公式，而是遵循“夯实基础 -> 洞察前沿 -> 落地实践”的逻辑，将 15 章内容划分为三大模块：

1. 基础篇： 从图论、特征工程到 GNN 核心算子，为你打下坚实的底层逻辑。
2. 进阶篇： 深入谱图理论、异质图神经网络、可信图学习以及最前沿的图基础模型（Graph Foundation Models）。
3. 应用篇： 详解 DGL/GammaGL 平台，手把手教你在推荐、风控、科学智能等领域实战。

特色二：来自一线实验室的20年积淀

本书主编石川教授在图数据挖掘领域深耕近20年。

从2022年开设研究生课程，到历经两年的酝酿、一年的写作、一年的校对，每一个章节都经过了 GAMMA Lab 全体科研人员的反复打磨，确保理论深度与工程广度的平衡。

特色三：不只是教材，更是开源生态

为了降低学习门槛，本书提供了极其丰富的配套资源：

• 完整课件： 助力老师快速开课，学生高效复习。
• 实战代码： 基于 Python 与主流框架，涵盖节点分类、链路预测等典型任务。
• 样章试读： 在买书前，你可以直接在线阅读 5 大样章！

内容大纲一览

| 篇幅 | 核心要点 | | — | — | | 基础篇 | 特征工程、图嵌入、GNN 架构与训练优化 | | 进阶篇 | 异质图、谱域模型、可信性（鲁棒/公平/可解释）、图基础模型 | | 应用篇 | 工业级平台实现、推荐系统、金融风控、AI for Science |

获取方式

开源主页（含课件/代码/试读）：http://www.shichuan.org/Introduction-to-Graph-Machine-Learning.html

（点击文末阅读原文即可跳转）

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：北邮 GAMMA Lab 王秋雨 王秋雨《新闻 | 《图机器学习》教材重磅发布！》