圖卷積網路

圖卷積網路

圖卷積網路（Graph Convolutional Network，簡稱GCN）是一種專門處理圖結構數據的深度學習模型。它在圖的節點之間利用卷積運算進行訊息傳遞，從而學習各節點的特徵表示。與傳統的卷積神經網路（CNN）相比，GCN 能夠捕捉不規則拓撲中的依賴關係，廣泛應用於社交網路分析、分子結構預測與知識圖譜補全等領域。

在每一層卷積過程中，節點會聚合鄰居的資訊，結合自身特徵，生成新的表示。這種訊息傳遞機制稱為 Message Passing，是圖神經網路的核心概念之一。GCN 通常採用對稱正規化拉普拉斯矩陣進行特徵縮放，以提升訓練穩定性。

由於能同時利用節點屬性與圖結構資訊，GCN 在推薦系統、交通網路預測以及生物資訊學中的蛋白質交互網路分析中展現了優異的效果。