GNN图数据相关任务的分类

	一、节点层面的任务：
	节点层面的任务主要包括分类任务和回归任务。
	这类任务虽然是对节点层面的性质进行预测，但是显然不应该将模型建立在一个个单独的节点上，节点的关系也需要考虑。
	节点层面的任务有很多，包括学术上使用较多的对论文引用网络中的论文节点进行分类，工业界在线社交网络中用户标签的分类、恶意账户检测等。
	
	二、边层面的任务：
	边层面的任务主要包括边的分类和预测任务。
	边的分类是指对边的某种性质进行预测；边预测是指给定的两个节点之间是否会构成边。
	常见的应用场景比如在社交网络中，将用户作为节点，用户之间的关注关系建模为边，通过边预测实现社交用户的推荐。
	目前，边层面的任务主要集中在推荐业务中。
	
	三、图层面的任务：
	图层面的任务不依赖于某个节点或者某条边的属性，而是从图的整体结构出发，实现分类、表示和生成等任务。
	目前，图层面的任务主要应用在自然科学研究领域，比如对药物分子的分类、酶的分类等。