深度学习方法在各大领域中被广泛使用，经
常用来提取欧氏空间数据特征并取得了成效，但
是对于非欧式空间的数据，传统的深度学习方式
在处理特征时的效果不佳，而有些学者使用图神
经网络对其处理取得了很好的效果。图神经网络
的工作机制是将图数据和神经网络进行融合，通
过节点之间的关系传递信息，获取图中的依赖关
系，根据每个节点的邻居和边对节点状态进行更
新。
最初的图神经网络使用的图结构是带有标签
信息的节点和无向边，是一种无向图的简单结构，
但是实际生活中，图是多样化的，可以是有向图，
异构图或是带有边信息的图。有向图是用有向边
描绘的图结构，可以明确节点之间的顺序关系。
异构图中的节点是多种类型的，处理这类节点时，
可以将其转化为 one-hot 向量再进行下一步。如
果图中的每条边上都带有一个权重或者其他参数，
这个图就是一个带有边信息的图，常用的处理方
式是将其转变成二部图，将边变成一个节点和图
中其他节点进行连接，或者根据边的类型生成对
应的权重矩阵，进行传播。
