参考网址:https://www.cnblogs.com/SivilTaram/p/graph_neural_network_2.html
对于如下右边一个不规则图(左边规则,右边不规则),我们也可以进行卷积操作,怎么进行卷积操作实际上就是为如何选择卷积核(下面阴影部分代表卷积核)。我们对不规则图的操作实际上是以一个结点就中心,根据它连接的节点和边进行卷积。
框架
如下图所示,输入的是整张图,在Convolution Layer 1里,对每个结点的邻居都进行一次卷积操作,并用卷积的结果更新该结点;然后经过激活函数如ReLU,然后再过一层卷积层Convolution Layer 2与一词激活函数;反复上述过程,直到层数达到预期深度。
结点层次任务(比如结点分类):与GNN类似,图卷积神经网络也有一个局部输出函数,用于将结点的状态(包括隐藏状态与结点特征)转换成任务相关的标签,比如水军账号分类,本文中笔者称这种任务为Node-Level的任务;
整个图层次任务:也有一些任务是对整张图进行分类的,比如化合物分类,本文中笔者称这种任务为Graph-Level的任务。