Graph Representation Learning （William Hamil）本书还没有正式推出。

Chapter 1：Introduction

首章主要简要讲解图的定义和机器学习在图数据上的研究点。

图定义： ，代表节点集合，代表边。图的简单表示办法是矩阵，可以通过向邻接矩阵内填写数据来表示图。如果两个之间节点之间存在一条边，则否则为0。（一般不带权重，如带有边的权重则把1换成权重值）如果图中的边是无方向性的，则该矩阵是对称矩阵，否则不对称。

多关系图模型：指的是节点之间存在不同的种类的关系，例如。可以为每一中关系定义一个邻接矩阵，整个图就可以表示为。两种常见的过关系型图有Hetergreneous graph和 multiplex graph。

Hetergreneous graph（由多种类型组成）：

 

multiplex graph（多路复用，多重）：

 

机器学习在图数据的应该主要集中在以下几个点：

节点分类、关系发现（relation prediction）、聚类和社团发现（Clustering and community dection），以及对一系列图的分类、回归与聚类。