图神经网络

图：
U：表示全局。
E：表示边。

数据表示：
图片表示：（2442443）。像素映射为点。
蓝色表示结点之间有边。
文本表示
分子图
社交网络：交互图
引用图：有向边

定义问题：
•图层面：原始图，识别环，来分类。
•点层面：社交关系决裂，判断点所在阵营。
•边层面：顶点的关系，边的属性预测。

机器学习用于图神经网络的挑战：
如何表示图：顶点的属性用向量表示。连接性用邻接矩阵表示。
问题：矩阵很大，稀疏矩阵。邻接矩阵交换行列，要保证结果一样。

解决方法：邻接列表
图神经网络：GNN对图上所有属性进行的可以优化的变换。可保持住图的信息。
信息传递网络：graph in，graph out。不改变图的连接性。构造多层感知机，多个mlp组成层，经过函数得到输出作为更新。