?圖卷積網(wǎng)絡(luò)（Graph Convolution Networks，GCN）

GCN（是基礎(chǔ)?。?！一般都是以這個(gè)為主要模型介紹）方法又可以分為兩大類(lèi)，基于譜（spectral-based）和基于空間（spatial-based）。基于譜的方法從圖信號(hào)處理的角度引入濾波器來(lái)定義圖卷積，其中圖卷積操作被解釋為從圖信號(hào)中去除噪聲。基于空間的方法將圖卷積表示為從鄰域聚合特征信息，當(dāng)圖卷積網(wǎng)絡(luò)的算法在節(jié)點(diǎn)層次運(yùn)行時(shí)，圖池化模塊可以與圖卷積層交錯(cuò)，將圖粗化為高級(jí)子結(jié)構(gòu)。如下圖所示，這種架構(gòu)設(shè)計(jì)可用于提取圖的各級(jí)表示和執(zhí)行圖分類(lèi)任務(wù)。