文档摘要

图神经网络 图神经网络（graph neural network，GNN）通过在相连节点之间传递消息来从图结构数据中学习。本文件涵盖消息传递框架、GCN、GraphSAGE、GIN、过平滑、图池化，以及节点级/边级/图级任务——这些核心架构支撑着分子性质预测、社交网络分析和推荐系统。 在前面几个文件里，我们奠定了数学基础：几何深度学习（文件 01）告诉我们要利用对称性，图论（文件 02）给我们提供了节点、边和邻接的语言。现在我们来构建直接在图上运算的神经网络。 核心挑战在于：图数据是不规则的。不像图像（固定网格）或序列（固定顺序），图的节点数目可变、连接方式可变、而且没有规范的节点顺序。一个为图设计的神经网络必须处理所有这些，同时还要对排列等变（重新标记节点不应改变输出）。

---