第2章　基础图神经网络

卷积图神经网络是最具有代表性的图神经网络, 它将卷积操作从网格数据泛化到图数据中。现有的卷积图神经网络分为基于谱域的方法和基于空域的方法两种。基于谱域的方法是从图信号处理的角度出发的, 而基于空域的方法则从消息传递的角度考虑。图卷积网络 (Graph Convolutional Network, GCN) 将这两种方法之间的联系加以阐述, 弥合了它们之间的差异, 并因其高效和灵活的特性而获得飞速的发展。在本章中, 我们首先从谱域的角度介绍了 GCN, 然后提供了一些基于空域的 GCN 变体。在这些 GCN 变体中, GraphSAGE 针对未知数据的归纳框架进行了优化, 图注意力网络 (GAT) 采用了邻居信息聚合的注意力机制, 异质图注意力网络 (HAN) 则通过对异质图采用语义级别的注意力机制来提高性能。