一、為什么要圖卷積？
層級結構：每一層的訓練結果依賴於上一層的。
圖像二維數據，語音一維數據可以二維表示。可通過歐幾里得空間數據進行表示。
然而也有無法表示的，例如微信數據里的人與人之間關系，圖（無距離信息，空間信息）。因而出現了圖卷積。
頻域與時域兩條線，GCN可以用於時域的處理。
二、圖卷積基本框架：
5個點，形成5x5的鄰接矩陣。形容兩兩之間是否有一條邊，矩陣是對稱的，看一半就行。
兩個矩陣，輸入鄰接矩陣，點乘特征矩陣，更新特征矩陣，使其收斂（求內積）。
圖卷積中，加入了鄰接矩陣的信息。更新H(l+1)。
存在問題：對角線為0，無法提取自身信息。解決：引入D矩陣，度矩陣，統計各節點有幾條邊。D^-1/2是對D求逆，開根號。
D-A：度矩陣減鄰接矩陣是拉普拉斯矩陣。
CNN權重是隨機產生的。GCN的W權重不是很重要。W矩陣是自適應的更新。
核心：兩個矩陣。
特征提取：已經很成熟了。
邊變點。點變邊。
三、知識圖譜
藍色點為用戶1感興趣的點，黃色的是沒觀察到的用戶感興趣的點，灰色的是沒觀察到的用戶不感興趣的點。
目的是給用戶推薦黃色的，不推薦灰色的。
標簽順滑：
