Graph Convolutional Network

Definition / 定义

图卷积网络（GCN）：一种用于图结构数据（由节点与边组成）的神经网络模型，通过“卷积式”的邻域信息聚合，让每个节点从相邻节点中学习特征，常用于节点分类、图分类与链接预测等任务。（该术语也常泛指一类“图神经网络”的具体实现。）

Pronunciation / 发音

/ɡræf ˌkɑːnvəˈluːʃənəl ˈnɛtˌwɝːk/

Examples / 例句

Graph convolutional networks can use node features and edges to make predictions on social networks.
图卷积网络可以利用节点特征与边的信息，在社交网络上进行预测。

By stacking multiple graph convolutional layers, the model learns higher-level representations that capture both local neighborhoods and broader graph structure.
通过堆叠多层图卷积层，模型能够学习更高层次的表示，从而同时捕捉局部邻域与更整体的图结构信息。

Etymology / 词源

该术语由三部分构成：graph（图、图结构）+ convolutional（卷积的，用于“邻域聚合/局部模式提取”的类比）+ network（神经网络）。它借鉴了 convolutional neural network（CNN） 在网格数据（如图像）上的“卷积”思想，把“局部邻域汇聚”推广到不规则的图数据上，因此得名“图卷积网络”。

Related Words / 相关词

• Graph
• Convolution
• Convolutional Neural Network
• Graph Neural Network
• Message Passing
• Node Classification
• Adjacency Matrix
• Embedding

Literary Works / 文学作品

• Semi-Supervised Classification with Graph Convolutional Networks（Thomas N. Kipf & Max Welling，2016）
• Graph Neural Networks: A Review of Methods and Applications（Zonghan Wu 等，2020）
• Deep Learning on Graphs: A Survey（Ziwei Zhang 等，2020）