图神经网络

术语图神经网络，在其最广泛的意义上，指的是任何旨在将图结构化数据作为其输入的神经网络：

为了涵盖更广泛的方法，本调查将 GNN 视为图形数据的所有深度学习方法。

• 图神经网络综合调查，Wu et al (2019)

然而，提出该术语的原始论文特别提到了适用于以图形结构数据作为输入的递归神经网络：

本文提出了一种新的神经模型，称为图神经网络（GNN），能够直接处理图。GNN 扩展了递归神经网络，可以应用于大多数实际有用的图类型，包括有向图、无向图、标记图和循环图。

• 图域学习的新模型（2005 年）

亚型

请注意，Wu 等人提出了一种分类法，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。