简单介绍

现实世界中并不是所有的事物都可以表示成一个序列或者一个网格，例如社交网络、知识图谱、复杂的文件系统等（图2），也就是说很多事物都是非结构化的。 相比于简单的文本和图像，这种网络类型的非结构化的数据非常复杂，处理它的难点包括：

  1. 图的大小是任意的，图的拓扑结构复杂，没有像图像一样的空间局部性
  2. 图没有固定的节点顺序，或者说没有一个参考节点
  3. 图经常是动态图，而且包含多模态的特征

相比较于神经网络最基本的网络结构全连接层（MLP），特征矩阵乘以权重矩阵，图神经网络多了一个邻接矩阵。计算形式很简单，三个矩阵相乘再加上一个非线性变换（图3）。

因此一个比较常见的图神经网络的应用模式如下图（图4），输入是一个图，经过多层图卷积等各种操作以及激活函数，最终得到各个节点的表示，以便于进行节点分类、链接预测、图与子图的生成等等任务。 上面是一个对图神经网络比较简单直观的感受与理解，实际其背后的原理逻辑还是比较复杂的

几种经典图神经网络

https://www.modb.pro/db/432816