一、图的基本组成
V：点（特征）
E：边

U：图（全局特征）

二、用途

整合特征（embedding)，做重构

三、邻接矩阵

以图像为例，每个像素点周围都有邻居，用邻接矩阵表示哪些点之间有关系，邻接矩阵A是对称的，也可以不对称

文本也可以做邻接矩阵：

实际是2xN, (source , target)，要不然维护一个NxN太多了 

四、使用场景

输入的格式不需要固定，是随意的，没有CV NLP的resize等固定大小之说。比如说人的社交网络，随时会变

点边图

五、每个点特征更新（聚合 更新）

更新时肯定要考虑他们的邻居

 

GCN图卷积

一、

优势：可以做半监督学习 

二、基本思想

计算特征，之后传入神经网络 

 

图中基本组成：

 邻接矩阵  

特征计算方法：

 

 

 使用度矩阵来做个平均

 

 

你的度和我的度都要考虑进来 

基本公式