是的，有很多，属于图神经网络(GNN)的总称。

这些技术接受的最常见的输入结构是图的邻接矩阵（如果图具有此类信息，则可选地伴随其节点特征矩阵和/或边缘特征矩阵）。

Wu et al (2019)对图神经网络的全面调查将 GNN 分为四个子组：

• 循环图神经网络 (RecGNN)
• 卷积图神经网络 (ConvGNN)
• 图形自动编码器 (GAE)
• 时空图神经网络 (STGNN)

ConvGNN 本身可以根据它们是使用 Spectral 方法还是 Spatial 方法来分类，而 GAE 则可以根据它们是为网络嵌入还是图形生成而设计。

有一些类型的神经网络正是为此目的而设计的。例如， Thomas N. Kipf 的图卷积网络(GCN)。网络的输入将是一个大小矩阵$N \times F$， 在哪里$N$是节点的数量和$F$特征的数量（对于每个节点）。然后，您可以将特征矩阵与邻接矩阵相乘（每个节点将是其一级邻居的加权和）。还有很多其他变体，例如扩散卷积网络、门控图神经网络等。有一个很好的调查，描述了图神经网络领域最近的大部分相关工作： Jie Zhou对方法和应用的回顾等。