一、图的基本组成
V：点（特征）
E：边
U：图（全局特征）
二、用途
整合特征（embedding)，做重构
三、邻接矩阵
以图像为例，每个像素点周围都有邻居，用邻接矩阵表示哪些点之间有关系，邻接矩阵A是对称的，也可以不对称
文本也可以做邻接矩阵：
实际是2xN, (source , target)，要不然维护一个NxN太多了
四、使用场景
输入的格式不需要固定，是随意的，没有CV NLP的resize等固定大小之说。比如说人的社交网络，随时会变
点边图
五、每个点特征更新（聚合 更新）
更新时肯定要考虑他们的邻居
GCN图卷积
一、
优势：可以做半监督学习 
二、基本思想
计算特征，之后传入神经网络 
图中基本组成：
邻接矩阵 
特征计算方法：
使用度矩阵来做个平均
你的度和我的度都要考虑进来 
基本公式
