本期的社区问答，我们请到了新书《图神经网络：基础与前沿》的作者马腾飞。

马腾飞博士是IBM全球研究院总部研究员，研究方向为机器学习、自然语言处理等。近期的研究集中在图神经网络及其在医疗、生化、金融等领域的应用。在ICLR、NeurIPS、AAAI等人工智能国际会议上发表论文30多篇，并与他人合作，在AAAI、KDD等会议上多次讲授图神经网络的前沿专题。（帖子的最后附了论文下载链接哦）

图结构的数据广泛存在于现实世界中，如何将图数据的学习与深度学习技术结合，成了人工智能领域研究的热点之一。马腾飞博士是图神经网络领域的专家，对整个领域有着深刻的理解。本书不仅系统地讲解了图神经网络的基础知识，还深入探讨了图神经网络存在的问题和研究进展，非常适合相关从业者和学生参考。

在2021年3月27日（本周六），青源Forum丨图神经网络前沿学术研讨会暨清华“计算未来”博硕论坛069期邀请到马腾飞博士为大家直播分享《图神经网络前沿专题》，感兴趣的同学可以报名参加。

截止3月27日12:00，如果有想要了解的GNN问题，欢迎在这条帖子下方的评论区留言提问，马腾飞博士会为大家解答。

同时，马腾飞博士会选出 5 个提问者，分别赠出新书一本。

欢迎大家踊跃参与(≖ᴗ≖)✧

附：马腾飞博士论文下载

Constrained Generation of Semantically Valid Graphs via Regularizing Variational Autoencoders（NeurIPS 2018） https://proceedings.neurips.cc/paper/2018/hash/1458e7509aa5f47ecfb92536e7dd1dc7-Abstract.html

FastGCN: Fast Learning with Graph Convolutional Networks via Importance Sampling（ICLR 2018） https://openreview.net/pdf?id=rytstxWAW

GAMENet: Graph Augmented MEmory Networks for Recommending Medication Combination（AAAI 2019） https://ojs.aaai.org//index.php/AAAI/article/view/3905

Pre-training of Graph Augmented Transformers for Medication Recommendation（IJCAI 2019） https://www.ijcai.org/proceedings/2019/825

Drug Similarity Integration Through Attentive Multi-view Graph Auto-Encoders（IJCAI 2018） https://www.ijcai.org/proceedings/2018/483