图神经网络GNN通俗理解

1. 预备知识

1.1 前言

前面讲的RNN和LSTM主要比较适用于序列数据sequence data，CNN卷积神经网络主要比较适用于图像数据。这些都可以认为是结构数据，但是对于图这种非结构型数据，上述的神经网络模型就不再work了。

1.2 图的要素

• 顶点： vertex（nodes）
• 边：edge, 不仅有连接关系，并且可以有方向。

1.3 文本数据，图片数据都可以表示成图

文本型数据，可以把每个word都当成是图中的顶点，前后相邻的单词就建立了一种连接，也就是一条边。

图片数据的话，我们之前说过图片数据可以用RGB的像素值来描述图片，我们可以把它拆成三个矩阵，也就是一个tensor,对于每个矩阵来说，矩阵中的所有格子作为图中的顶点，如果和有像素点的相邻的话，就建立了一条边。

以上的举例，其实就是想说明图结构广泛存在于现实生活中，很多问题都可以用graph-based approach去解决。

1.4 如何高效地将图用矩阵来表示？

上一节，我们举了一些例子，