Introduction to Graph Neural Network（图神经网络概论）翻译：Chapter4：Vanilla Graph Neural Networks

文章目录

• 4、基础图神经网络（Vanilla Graph Neural Networks）
• 4.1 介绍
• 4.2 架构
• 4.3 局限性

4、Vanilla Graph Neural Networks（原始图神经网络）

在本节中，我们对 Scarselli et al. [2009] 的研究进行了概述，并对其表示能力与训练效率等关键维度进行了详细列举。随后，在本章后续内容中，则将深入探讨其各类改进版本的发展脉络与技术特点。

4.1、 Introduction

GNN的概念最早是由_Gori等人于2011年提出，并受到_Scarselli等人于[2][3]提出理论的启发._为此类网络的发展奠定了基础。为了便于讲解和分析，默认将重点讨论_Scarsselli等人于[3]提出的一种基于图卷积神经网络的架构_作为研究的基础框架

每个节点自然由自身的属性及其在图中的关联节点共同构成。图神经网络旨在通过为每个节点生成一个状态嵌入\mathbf{h}_v \in \mathbb{R}^s来捕获领域内的信息。这些嵌入编码被用来生成输出表示\mathbf{o}_v（此处可理解为推断出与该类别的相关性），这些表示可用于推断节点所属类别或属性。

在 Scarselli et al. [2009] 文献中展示了一个典型示例，在该文献中展示