"网络图作为一种描述复杂系统结构的通用表征方法，近年来获得了包括生命科学、社会科学、计算机科学以及物理学等诸多领域的关注。本书结合网络图结构进行机器学习算法设计，涉及图嵌入、图神经网络以及对抗攻防和增强等内容。全书共8章：第1章概述了图上的机器学习任务及算法；第2―5章分别介绍了节点分类、链路预测、社团检测、图分类的机器学习任务及算法；第6、7章介绍了对抗攻击下算法的鲁棒性问题，包括对抗攻击和对抗防御；第8章探讨了领域前沿图数据增强技术，利用图数据自身的结构和属性信息拓展特征空间，提升算法性能。相比传统机器学习类书籍，本书聚焦网络图数据；相比图神经网络类书籍，本书更侧重网络图从微观到宏观的分析。 本书可供网络科学、人工智能、社会科学及生物信息等领域的研究生、高年级本科生及青年学者使用，也可供工业界从事互联网、大数据及人工智能等领域工作的工程师参考使用。"