图神经网络GNN

1.1 图数据:

图嵌入（Graph / Network Embedding）和图神经网络（Graph Neural Networks, GNN）
图嵌入旨在将图的节点表示成一个低维向量空间，同时保留网络的拓扑结构和节点信息，以便在后续的图分析任务中可以直接使用现有的机器学习算法。
图嵌入与GNN 全

1.2 易理解

图神经网络是一种特殊的图表示方法，使用神经网络来对图节点进行编码（encode），将图结构embedding为计算机可处理的向量矩阵。

图：G(V, E) V顶点集，E边集
编码函数：ENC
将这个图编码为向量，这个向量要能(尽可能地保留原来的图信息)。
解码函数：DEC
大部分解码器都是二元的，输入两个节点的编码[ENC的结果]，返回一个值衡量它们的相似度。
损失函数：
（定义：图表示中的节点相似度与原图节点中的相似度）
step1: 设计$S_G$与DEC 两个相似度函数
step1: 模型用数据驱动的方式去学习编码器ENC
目的：使得两个节点被编码后的相似度DEC(ENC(v_1),ENC(v_2))
与它们在原始图中的相似度$S_G$尽可能接近。

GNN入门