图神经网络-01

已知图包含结点（Node）和边（Edge），如何用卷积的方法将节点嵌入到特征空间？

思路1：将卷积的概念推广到图——空间近邻的卷积；

思路2：应用数据处理的傅里叶域（Fourier Domain）等概念，基于光谱的方法。

这其中，GAT和GCN是常用的网络图神经网络模型。

接下来，介绍图的聚合（Aggregate）的定义：在图神经网络中，聚合操作用于节点特征的更新，例如下图通过邻居节点的特征来更新当前节点的特征，最终Readout从节点的特征表示中提取出图的全局特征。

归纳几篇图神经网络的方法：

NN4G(Neural network for Graphs)(2009):Neural Network for Graphs: A Contextual Constructive Approach | IEEE Journals & Magazine | IEEE Xplore

DCNN(Diffusion-Convolutional Neural Networks)(2015):https://arxiv.org/abs/1511.02136

MoNET(Mixture Model Networks)(2016):https://arxiv.org/pdf/1611.08402

GraphSAGE(2018):https://arxiv.org/pdf/1706.02216

GAT(Graph Attention Networks)(2018):https://arxiv.org/pdf/1710.10903.pdf

GIN(Graph Isomorphism Network)(2019):How Powerful are Graph Neural Networks? | OpenReview