GCN
我们首先考虑一个多层图卷积网络（GCN），其层间传播规则如下：
在这里，
是一个激活函数，可以说Relu（）、sigmoid（）等。
以一个具体的图G为例：
上述公式其实就是一个迭代的过程。
但是简单的聚合并不合理，因为不同的节点重要性不一样，因此我们引入一种类似于【注意力机制】的东西。具体来说，如果一个节点的度非常大，即与他相邻的节点非常多，那么他传递的消息，权重就应该少一点。
举例来说，假如新垣结衣与你的发小都有直接的边与你相连接，那么在他们两个人对你进行评价的时候，谁的评价更重要一点？很明显是你的发小，因为新垣结衣的朋友太多了，即新垣结衣的度非常大，那么她对你的了解可能就不太多。反之，发小的度相比于新垣结衣就小得多，因此，发小的评价就非常准确。
总结一下GCN的流程：
