图神经网络(GNN)：综述【从图(Graph)到图卷积(Graph Convolution)】【各种图神经网络模型的目的就是学习到图中各个节点的Embedding表示】

本文试图沿着图神经网络的历史脉络，从最早基于不动点理论的图神经网络(Graph Neural Network， GNN)一步步讲到当前用得最火的图卷积神经网络(Graph Convolutional Neural Network， GCN)。

本文的提纲与叙述要点主要参考了3篇图神经网络的Survey，分别是来自：

• IEEE Fellow的 Comprehensive Survey on Graph Neural Networks
• 清华大学朱文武老师组的Deep Learning on Graphs: A Survey
• 清华大学孙茂松老师组的Graph Neural Networks: A Review of Methods and Applications,

一、概述

1、图神经网络的发展历史

图（Graph）数据包含着十分丰富的关系型信息。从文本、图像这些非结构化数据中进行推理学习，例如句子的依赖树、图像的场景图等