GCN的基本思想:在GCN当中,每个节点的新表示(embedding)是通过聚合其邻居节点的特征信息得到的。这个过程中模仿了CNN中的卷积操作,但是适应了图的不规则结构。在图中,节点可能有不同数量的邻居,并且图结构本身是不规则的。
本身和卷积运算没有一点关系,相当于是个传染的过程使用的是抽象的机制,通过多次的图卷积让节点具有全局的特征。(个人观点)
GCN特征计算的方法:将邻接矩阵和特征矩阵进行一个乘法的操作,表示聚合邻居的信息
=
邻接矩阵(考虑了邻居节点但是没有考虑本身)新的邻接矩阵如下图
最后既要将列进行归一化,也要将行进行归一化。
以上是图神经网络的基本思路以及运算方法