本書(shū)分為五篇，覆蓋基礎(chǔ)理論、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、圖學(xué)習(xí)及綜合應(yīng)用，重點(diǎn)解析自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、圖深度學(xué)習(xí)與多模態(tài)深度學(xué)習(xí)的發(fā)展脈絡(luò)；以Transformer為核心，詳解其結(jié)構(gòu)、經(jīng)典模型及其在生成式任務(wù)中的應(yīng)用。同時(shí)，本書(shū)聚焦圖卷積網(wǎng)絡(luò)與圖注意力網(wǎng)絡(luò)，從譜圖卷積到多頭注意力機(jī)制，探討其在節(jié)點(diǎn)分類(lèi)、圖對(duì)齊等問(wèn)題中的應(yīng)用，并提供實(shí)驗(yàn)分析與方法對(duì)比。最后，以多模態(tài)知識(shí)圖譜對(duì)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(shí)體對(duì)齊的實(shí)踐方案。