GNN的通俗理解

GNN流程：

1、聚合

2、更新

3、循环

假定现在的数据环境如下图所示，A、B、C、D、E代表节点，互相之间的边连线代表节点间的关系，节点旁边的括号数字代表特征。

1、聚合

拿节点A来举例：

1）单纯靠A自己一个节点的特征无法准确判断A节点的类别。

2）A跟B、C、D有联系，通过B、C、D可以判断A。（类似近朱者赤，比方说判断A同学学习成绩好不好，但看A来讲不知道，但B、C、D都好，那大概率A的成绩也好）

经过一次聚合后，聚合得到的信息：

邻居信息N=a·(2,2,2,2,2) + b· (3,3,3,3,3)+ c·(4,4,4,4,4)
//a、b、c为常数，可以通过模型训练来定，也可以自己手动定
（而且经常作为论文的改进点，比方说B对A来说很重要，常数b就设的大一点）

总结：把邻居的特征信息贴到自己身上来，作为自身特征信息的补足。

2、更新