本書分為五篇，覆蓋基礎理論、自然語言處理、計算機視覺、圖學習及綜合應用，重點解析自然語言處理、計算機視覺、圖深度學習與多模態(tài)深度學習的發(fā)展脈絡；以Transformer為核心，詳解其結構、經典模型及其在生成式任務中的應用。同時，本書聚焦圖卷積網絡與圖注意力網絡，從譜圖卷積到多頭注意力機制，探討其在節(jié)點分類、圖對齊等問題中的應用，并提供實驗分析與方法對比。最后，以多模態(tài)知識圖譜對齊為案例，整合文本、圖像等模態(tài)編碼器，闡述多模態(tài)信息融合與實體對齊的實踐方案。