综述
reference：https://www.cnblogs.com/siviltaram/p/graph_neural_network_2.html
key concepts
- 图神经网络（Graph Neural Network，GNN）
- 图卷积神经网络（Graph Convolutional Neural Network）
- 频域（Spectral-domain）
- 空域（Spatial-domain）
图神经网络
image & graph
节点（Node）
- 每个节点有其特征，用$x_v$表示
边（Edge）
- 连接两个节点的边也有其特征，用$x_{v,u}$表示
隐藏状态
- 图的学习目标是获得每个节点的隐藏状态
局部输出函数
- 选取一个节点
图卷积
一张图片就可以看作一个非常稠密的图，阴影部分代表卷积核，右侧则是一个普通的图，和图卷积核
- 在image为代表的欧式空间中，结点的邻居数量都是固定的，但在graph这种非欧空间中，结点有多少邻居并不固定
传统的卷积核不能直接用于抽取图上结点的特征
两个主流思路
- 把非欧空间的图转换成欧式空间，然后使用传统卷积
- 找出一种可处理变长邻居结点的卷积核在图上抽取特征