图卷积网络(GCN)
卷积在规则数据上很好应用，如果是不规则的图呢？
从图像卷积类比到图结构卷积
图像卷积
将一个像素点周围的像素按照不同的权重叠加起来。
图结构卷积
将一个节点周围的邻居按照不同的权重叠加起来。
图卷积网络计算公式：
这个公式可以一步步来看
1.边上的源节点，往目标节点发送特征
2.目标节点对收到的特征进行聚合
问题：是否所有的人对自己的评价都是有用的？
所以：如何衡量邻居的重要性？
度：给边加权
怎么用多层图网络完成节点分类任务
GCN算法全流程：
第一步：节点间进行特征传递
第二步：对每一个节点过一层DNN
重复L次，实现多层图卷积网络
获取的最终表示H ( L )作为最终节点表示，来分类
图注意力网络(GAT)
GCN中边的权重:
与节点的度相关
不可学习
GAT中的边权重
权重变成节点间的函数
权重与两个节点相关性有关
可学习
attention计算方法
特征聚合计算方法
Message Passing
GCN、GAT都是基于邻居聚合的模型
称为Spatial(空间)GNN
大部分的Spatial GNN都可以用Message Passing实现
消息的发送
消息的接收
