GCN：图卷积神经网络

欧几里得数据（Euclidean domains data）：具有规则的空间结构，如图片是规则的正方形，语音是规则的一维序列等，这些特征都可以用一维或二维的矩阵来表示。
非欧几里得数据（Non Euclidean data）：不具备规则的空间结构

1.CNN:卷积神经网络

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络 。

2.图结构

图的结构一般来说是十分不规则的，可以认为是无限维的一种数据，所以它没有平移不变性，每一个节点的周围结构可能都是独一无二的，属于非欧几里得数据。CNN研究的对象是欧几里得数据，所以图这种结构的数据，就让传统的CNN、RNN瞬间失效。
图数据中的空间特征具有以下特点：
1） 节点特征：每个节点有自己的特征；（体现在点上）
2） 结构特征：图数据中的每个节点具有结构特征，即节点与节点存在一定的联系。（体现在边上）
图数据既要考虑节点信息，也要考虑结构信息，图卷积神经网络就可以自动化地既学习节点特征，又能学习节点与节点之间的关联信息。
图卷积的核心思想是利用『边的信息』对『节点信息』进行『聚合』从而生成新的『节点表示』。

3.GCN:图卷积神经网络

为了对图数据进行处理和研究，提出了图卷积神经网络。图卷积神经网络（GCN），实际上跟CNN的作用一样，就是一个特征提取器，只不过它的对象是图数据。
GCN精妙地设计了一种从图数据中提取特征的方法，从而让我们可以使用这些特征去对图数据进行节点分类（node classification）、图分类（graph classification）、边预测（link prediction），