GCN Algorithm

Essence: 传统的卷积运算无法在graph上进行运算，所有借由傅里叶变换Fourier Transformation实现在graph上的卷积运算，得到graph convolution，退出GCN(graph convolutional network)。

Background

graph embedding：将图的拓扑结构进行向量表示的方法。

GNN可以直接通过对图的拓扑结构和顶点的属性信息进行学习来得到任务的结果。

GNN是谱图卷积的一阶近似，是一个多层的图卷积神经网络，每一个卷积层仅处理一阶邻域信息，通过叠加若干卷积层可以实现多阶邻域的信息传递。

传统卷积公式：在graph上不行

传统卷积公式：

g为作用在f上的filter或卷积核kernel

problem：在图像里面卷积的概念很直接，因为像素点的排列顺序有明确的上下左右位置关系 -> graph节点没有空间上的位置关系，那么graph里面的卷积核该怎么做呢？