图神经网络（GNN）一个领域的系统性鸟瞰

一、开篇：为什么整个世界都是图？

图 1：从社交到分子、从知识图谱到交通网络、从金融到推荐系统——图数据无处不在。

过去十年，深度学习的主线是 CNN 统治计算机视觉、Transformer 统治自然语言处理。但随着这两大架构的边界被不断逼近，研究者们开始意识到一个事实：大量最有价值的数据既不是规则的图像，也不是线性的序列，而是拓扑复杂的图。

• 社交网络：Facebook 有 30 亿用户，每个人都是节点；好友、关注、点赞是边。
• 分子结构：每一种药物、蛋白质都是一个图——原子是节点、化学键是边。
• 知识图谱：Google Knowledge Graph 包含 50 亿实体、5000 亿关系三元组。
• 交通网络：高速公路、地铁、航线——都是图。
• 金融交易：银行账户、转账、借贷关系天然是有向图。
• 推荐系统：用户和商品构成二部图，点击、购买、收藏是边。

这些数据有三个共同的挑战，CNN 和 Transformer 都处理不好：

1. 拓扑