GCN 与 GNN 的区别
GNN 是一个更广泛的概念，包括多种图神经网络模型，如 GCN、
GraphSAGE、GAT（Graph Attention Networks）等。GNN 是一个整
体的框架，而 GCN 是 GNN 中的一种具体实现。GCN 是 GNN 中最
早提出的模型之一，它通过局部邻居节点的信息聚合来学习节点表
示。
信息传递方式：在 GNN 中，节点的表示是通过信息传递和聚合来
学习的。GCN 使用一种基于邻居节点的卷积操作，将节点的特征与
邻居节点的特征进行卷积运算，以更新节点的表示。其他的 GNN
模型可能采用不同的信息传递方式，如 GraphSAGE 使用邻居节点
的采样和聚合、GAT 使用注意力机制等。
卷积操作的定义：GCN 中的卷积操作是基于图拉普拉斯算子的谱卷
积定义的，它利用节点间的连接关系来进行特征传递。这种卷积操
作在图领域中非常经典，可以看作是将节点的特征与邻居节点的特
征进行线性组合。而其他的 GNN 模型可能采用不同的卷积定义，
如 GraphSAGE 中的平均池化、GAT 中的自适应注意力权重等。
某某 Kriging Convolutional Networks(KCN) April 25, 2024 3 / 23
