一、图的基本概念
· 图由节点集合和边集合组成。节点代表实体，边代表实体之间的关系。节点、边、整个图都可以与丰富的信息相关联，这些信息被表征为节点/边/图的特征。
· 中心度：是度量节点的重要性。如果许多其他重要的节点也连接到该节点，则认为该节点是重要的。
· 领域：与该节点相近的其他节点的集合。
· 异质图：节点和边的类型不同。例如知识图谱。
· 超图：是对图的扩展，一条边可以连接任意数量的节点。
· 随机图：旨在对所观察图生成的图的概率分布进行建模。
· 动态图：一个图的数据至少有一个组成部分随时间发生变化。
二、图神经网络
· 网络嵌入/图嵌入/节点表征学习：旨在将节点表征视为一个低维向量，在嵌入向量中保存有用的信息，比如图结构和图的属性。
· 消息传递/图滤波器：是图神经网络的框架之一，根据每个网络层的图结构在不同节点之间传递消息。
· 读出/池化/粗粒化：指对各个节点的信息进行总结，行程更高层次的信息。
· 图对抗攻击：旨在通过操纵图结构或节点表征产生最坏情况的扰动，使得模型的性能下降。