图卷积神经网络

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。