GCN的通俗理解

图卷积网络Graph Convolutional Nueral Network，简称GCN。其实是GNN的一个变种，可以说是GNN的一种特殊形式。

上回我们介绍GNN时，提到了GNN的流程：GNN的通俗理解

1、聚合
2、更新
3、循环

GCN主要是在聚合这一步跟GNN有所不同，我们在上回说聚合邻居信息的时候有a、b、c值的设定的问题，GCN就是来解决这个问题的。

首先来看下GCN的公式：

见到公式不要怕，首先通过一个例子来切入：
平均法：

假如现在是一个分类问题，要判断节点3是否是有钱人，那平均法的意思就是通过3的朋友1,2，4的工资求和然后取平均就是3的工资。

但这样的简单平均有个问题，就是假如3是一个工薪阶层，但认识了首富4，那他就被平均了。这样在聚合邻居信息的时候就失真了。

这时候，归一化就解决了这个问题，把公式一点点分解来看，看前面这个对称归一化的拉普拉斯矩阵：

不做归一化前公式的含义：

GCN就是在这个平均法基础之上，针对每个节点的度，做了一个归一化操作，解决了我与偶像之间差距的问题。