PR：この記事にはアフィリエイトリンクが含まれます。
グラフニューラルネットワーク（GNN）の本を探すと、理論を学ぶ入門書とPyTorch Geometricで手を動かす実装書が見つかります。題名が似ていても、読後に得られるものは同じではありません。
初心者の入り口は、Pythonも初めてか、Pythonは使えてGNNは初めてかで変わります。後者なら実装書を軸にし、数理の疑問は理論書で補うと進めやすいでしょう。
GNNの全体像
GNNはデータのつながりをグラフとして表し、ノードとその近傍の情報から予測する機械学習モデルです。人や商品、論文の関係も扱えます。表形式では拾いにくい構造を学べる点が特徴です。
GCNやGATなどのモデル名に加え、どんな課題を扱うかにも注目したいところ。ノード分類、グラフ分類、リンク予測は入力データや評価方法がそれぞれ異なります。
日本語書の内容は数理を学ぶ本とPyTorchの実装書に分かれます。英語書ではPyTorch Geometricの実装を含む幅広いテーマを扱います。参考価格は国内書が税込の定価、洋書が紙版の希望小売価格です。実売価格は販売時期や店舗によって変わります。
| 本 | 参考価格 | 主な内容 | PyTorchとの関係 |
|---|---|---|---|
 グラフニューラルネットワーク PyTorchによる実装 | 3,520円（税込） | 日本語で基礎から実装 | PyTorch Geometricの例あり |
 グラフニューラルネットワーク入門 ―Pythonで学ぶグラフデータ解析と機械学習モデル― | 4,400円（税込） | グラフの数理、GCN・GAT | PyTorchの指定なし |
 グラフニューラルネットワーク | 3,300円（税込） | 理論、表現能力、計算量 | PyTorch実装章の記載なし |
 Hands-On Graph Neural Networks Using Python | US$49.99 | PyGで分類やリンク予測 | PyTorch Geometricを扱う |
 Graph Neural Networks in Action | US$69.99 | 複数ライブラリと実務工程 | PyTorch Geometricを扱う |
日本語の実装書
『グラフニューラルネットワーク PyTorchによる実装』は村田剛志さん著で、2022年刊、248ページ。日本語でPyTorch Geometricを学ぶ本として、実装の狙いが明快です。
実装準備ではPythonのほか、NumPy・SciPy・pandas・Jupyter Notebook・Google Colaboratoryなどを扱います。配列や表データの操作に慣れていれば、コードを追いやすくなるでしょう。
GCN・GraphSAGE・GAT・GIN・グラフオートエンコーダなど、代表的な手法を幅広く紹介します。PyTorchとPyTorch Geometricのデータ構造・ベンチマークデータ・ミニバッチ・学習方法も扱うため、モデル周辺の知識を得られます。
実装例の中心はノード分類とグラフ分類です。リンク予測やグラフ生成も扱いますが、PyTorch Geometricで実装を学ぶなら、まず前者二つを軸に読むとよいでしょう。日本語でPyTorchの学習を進めたい人には、この本がおすすめです。
数学から学ぶ本
『グラフニューラルネットワーク入門 ―Pythonで学ぶグラフデータ解析と機械学習モデル―』は2026年刊、304ページです。尼﨑太樹さん・木山真人さん・安藤宏恵さんの共著で、グラフの定義や行列表現から学びたい人におすすめです。
グラフの基礎の次に行列表現や固有値・固有ベクトルを扱います。数式で計算の仕組みをたどり、Pythonコードと照らし合わせて学べる構成です。数学に苦手意識があるなら、コードと行き来しながら読むとよさそうですね。
GCN・GATとスペクトラルアプローチを扱います。グラフ分類・リンク予測・グラフマッチング・異種グラフへと話題が広がり、GNNの課題を幅広く見渡せます。
Pythonコードに加え、学習用HTMLや動画も学習補助に使えます。グラフ分類とグラフマッチングのベンチマークも扱います。PyTorch利用は明記されていないため、PyTorch Geometricを優先する人には先ほどの実装書がおすすめです。
理論を掘り下げる本
佐藤竜馬さんの『グラフニューラルネットワーク』は2024年刊、336ページ。準備章ではニューラルネットワーク、グラフ理論、古典的なグラフ機械学習を扱います。基礎を復習しながら理論へ進みたい人におすすめです。
この本の中心は近傍から情報を集めるメッセージ伝達による定式化です。各ノードの表現がどう更新されるかを理解すると、異なるGNNに共通する構造も捉えやすくなります。
スペクトルグラフ理論・グラフフーリエ変換・過平滑化・表現能力を取り上げます。層を重ねた際の変化や、区別できるグラフ構造も解説。理論の背景を知りたい人は、実装書を補う知識を得られます。
グラフ分類・接続予測・グラフ生成に加え、訓練・推論・計算量・サンプリング・ベンチマーク用データセットを扱います。目次にPyTorchの実装章はないため、理論を深めたい人におすすめです。
英語の実践書
Maxime Labonneさんの『Hands-On Graph Neural Networks Using Python』は2023年刊で354ページです。機械学習とPythonの基礎知識があると役立ちます。全24章で基礎から応用へ段階的に進みます。
表形式データからグラフを構築する方法も扱います。実務では、モデルを学習させる前にノードとエッジの定義で悩むことがあります。本書の題材を通じて、その設計も学べます。
GCN・GAT・GraphSAGE・GINに加え、異種グラフや時間グラフも扱います。課題はノード・グラフ・エッジ分類、リンク予測、グラフ生成に及び、交通予測・推薦も含みます。PyTorch Geometricのコードはオンラインで利用できます。
英語の技術書に慣れていて実例を多く試したい人には、この本をおすすめします。日本語の説明が必要な人やGNN以前にPythonを学びたい人は、まずそれぞれの基礎を補う必要があります。
開発運用を見る本
Keita BroadwaterさんとNamid Stillmanさんによる『Graph Neural Networks in Action』は2025年刊、392ページの英語書です。Python・機械学習・深層学習の基礎を前提に、実務の流れに沿ってGNNを理解したい人におすすめです。
PyTorch Geometricに加えてDeep Graph Library・GraphScope・NetworkXも扱います。複数の道具の役割を知りたい人に役立つ構成です。
グラフデータのパイプライン・スキーマ・ノード埋め込みに加え、訓練やデプロイまで扱います。大規模グラフでの学習とスケーリングにも触れ、規模が増えたときの課題を見通せます。
注釈付きのPythonコードと書籍のソースコードを使って学習できます。紙版の参考価格はUS$69.99で、国内書より高めです。英語で読む本ですが、グラフ構築から運用まで把握したい実務者におすすめです。
結論
GNNは初めてでも、Pythonの基礎があり、PyTorchのコードを動かしたいなら、『グラフニューラルネットワーク PyTorchによる実装』がおすすめです。ノード分類とグラフ分類のコードを通じて、PyTorch Geometricの基本を学べます。
数式やグラフの表現を丁寧に押さえるなら『グラフニューラルネットワーク入門』、モデルの原理や表現能力まで掘り下げるなら佐藤さんの『グラフニューラルネットワーク』が合います。関心のある理論に応じて選ぶと、実装書との役割も分かれます。
英語で読み進められ、幅広い実装課題を試したい人には『Hands-On Graph Neural Networks Using Python』をおすすめします。データ準備から大規模学習やデプロイまで視野に入れるなら『Graph Neural Networks in Action』が合います。次に取り組みたい課題に近い本なら、学んだ内容を仕事や研究につなげやすいでしょう。
Amazon の PC をスコア化してみた
Amazonにある8〜14インチの小型WindowsタブレットやノートPCを、スペック別にスコア化して比較・ランキング。
