「NLP」如何全面深度学习图神经网络理论与实践，有三AI NLP负责人带学计划出炉

图神经网络（GNN）很重要，因为图很重要。现实世界中，万物相互关联，构成一个个网络，这些网络通常通过图来表示。那么如何理解和表征这些复杂的图网络，是理解和利用它的基础。

随着深度学习的发展，神经网络展现出了强大的表征能力。而GNN则是用神经网络来表征和理解图。

那么具体来讲，GNN可以在哪些领域或者场景发挥作用呢？

1.推荐系统，在社交网络、电商等场景中，通常可以建立用户和物品的网络，通过GNN可以提供更好的推荐服务，包括好友发现，物品推荐等；目前有许多的电商平台，包括像京东、蘑菇街、小红书等都在尝试做基于社交的推荐。

2.风控，通过对用户网络的建模和理解，在金融风控、交通预警等场景，图神经网络有很大的应用空间。

3.NLP，GNNs 在自然语言处理中的应用也很多，包括多跳阅读、实体识别、关系抽取以及文本分类等；

万物皆可图，GNNs的应用远不止这些，作为神经网络家族的新宠，值得关注和掌握。

1. 直播及视频：虽然视频直播非常的耗时，但考虑到其与学员的互动性比较强，其中还可以穿插笔者工作和学习的一些经验，所以决定采用这种形式作为主要讲解的方式；视频讲解的内容主要包括基本知识讲解和代码讲解，在理论和实践两个层面保证学习效果；

2. 参考资料：网上资料和文章很多，信息繁杂，找到资料并不难，贵在快速找到自己需要的。笔者会精选自己在学习和工作中积累的资料分享给大家，主要包括书籍、论文、代码等；

3. 作业：作业是笔者根据课程内容，精心选择的问题和任务，让学习者能够进一步真正掌握所学知识；

4. 答疑：答疑是课程的重要组成部分，计划期内，针对相应的主题，每周组织一次直播课答疑及讨论。