GNN 图神经网络 通俗理解(A Comprehensive Survey on Graph Neural Networks论文阅读笔记)

A Comprehensive Survey on Graph Neural Networks
原文链接 https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9046288

图是现实社会中最常见的数据结构，每一个个体都可以看作点，每一个联系都可以看作边，无数种实体关系可以由图来表示，并通过图算法进行分析。

神经网络对对于向量是友好的，图的点和边都可以表达为向量。

为什么要有GCN，CNN哪里不行

原因在于CNN无法处理非欧氏空间的数据

在电子商务中，一个基于图（Graph）的学习系统能够利用用户和产品之间的交互来做出非常准确的推荐，但图的复杂性使得现有的深度学习算法在处理时面临着巨大的挑战。这是因为图是不规则的，图中的每个节点都有不同数量的相邻节点，导致一些重要的操作（例如卷积）在图像（Image）上很容易计算，但不再适合直接用于图。

此外，现有深度学习算法的一个核心假设是数据样本之间彼此独立。然而，对于图来说，情况并非如此，图中的每个数据样本（节点）都会有边与图中其他实数据样本（节点）相关，这些信息可用于捕获实例之间的相互依赖关系。