中文精炼导读
核心观点
- 这篇 Distill 交互式图解文章是图神经网络（GNN）的温和入门：从"什么是图、什么样的数据最适合用图表示"讲起，逐步搭建一个现代 GNN，并提供可交互的 playground 让读者亲手体会每个组件的贡献。
- 图由节点与边组成，可以在节点、边乃至整个图上存储标量或嵌入信息，还可以给边指定方向（有向/无向）；图是极其灵活的数据结构——甚至图像（每个像素是节点、与相邻像素连边）和文本（每个 token 是节点、连向后一个 token）都可以看成图。
- 真实世界的图数据（分子、社交网络、引文网络、场景图、数据流图）与图像/文本不同：邻居数量是可变的，很难用其他方式表达；图数据在节点数、边数和连通性上差异巨大。
- 图上的预测任务分三类：图级（预测整图属性）、节点级（预测每个节点属性）、边级（预测边是否存在或其属性）；现代 GNN 的核心是消息传递（message passing）——每层把邻居节点的信息聚合到自身，通过多层传递让信息在图内扩散。
- 基于真实任务（分子气味预测）的经验教训：参数量与性能正相关、GNN 是参数高效的模型（几千参数就能表现不错）、更高维表示提升均值与下界、但"层数越多越好"并不成立——最佳模型通常是两层，层数过多会把节点表示"稀释"掉。
内容精讲
文章开篇用一句话概括主题：图无处不在，现实世界的对象往往由它们与其他事物的连接来定义；一组对象加上它们之间的连接，自然就表达为一个图。研究者开发在图数据上运作的神经网络（GNN）已超过十年，近期发展与表达力的提升让它们开始在抗菌药物发现、物理模拟、假新闻检测、流量预测与推荐系统等实际场景落地。全文分四部分：先看什么数据最适合用图表达，再看图与其他数据的不同、以及使用图时要做哪些专门选择，然后从历史建模创新出发、从最简实现逐步走到 SOTA 的 GNN，最后提供一个 playground 让读者在真实任务上亲手实验。
第一部分是"图是什么、去哪找"。三种图属性：节点、边与全局（整个图的）属性，都可以存标量或嵌入。边可以是有向的（信息从源节点流向目标节点）或无向的（两个方向都流，一条无向边等价于两条相反的有向边）。两个反直觉的例子说明了图的通用性：图像可以看作规则结构的图——每个像素是节点、通过边与相邻像素连接（非边界像素恰有 8 个邻居、存 RGB 三维向量）；文本可以数字化成字符/词/token 序列，每个索引是节点、通过边连向后一个——这形成一个简单有向图。当然实践中并不这样编码图像和文本（这些图表示是冗余的：图像的邻接矩阵呈带状、文本的邻接矩阵是一条对角线），但通过它们能建立对图结构的直觉。更异构的真实图数据包括：分子图（原子是节点、共价键是边——香茅醛、咖啡因的 3D 结构、邻接矩阵与图表示三视图对照）、社交网络（人/角色是节点、关系是边，如《奥赛罗》剧本的角色互动、空手道俱乐部的人际关系）、引文网络（论文是节点、引用是有向边、节点可存摘要的词嵌入）、以及其他例子（视觉场景中对象与关系、机器学习模型/代码/数学公式可表达为数据流图）。
第二部分是"图上的任务类型"：图级任务（预测整图属性）、节点级任务（预测每个节点的属性）、边级任务（预测边是否存在或其属性）。文章随后进入 GNN 构建，核心是消息传递层。在更新节点嵌入时，要从邻居节点收集信息（聚合）；真实图数据中邻居数量不固定，这与图像/文本的固定邻域不同。为了也利用边信息，可以学习"边空间到节点空间"的线性映射、或把边信息与节点信息拼接后一起过更新函数；更新节点与边的先后顺序（先节点后边、先边后节点、或"编织"式的四路更新）是 GNN 设计中的开放研究问题。
一个关键缺陷引出了全局表示：图中相距很远的节点可能永远无法高效传递信息——k 层消息传递最多传播 k 步。虽然可以加"虚拟边"让所有节点互联，但大图上计算成本过高（该方法只在小图如分子上用过）。解决方案是给图加一个全局表示 U（也叫 master node 或 context vector）：它连接到网络中所有节点与边，充当它们之间的信息桥梁，逐步构建整图的表示，让远距离信息也能流动。这构成了 Graph Nets 架构：所有图属性（节点、边、全局）都有学习表示，池化时可以"用其余信息来调节感兴趣的属性"——例如更新某节点时，把相邻节点、相邻边和全局信息拼接（或线性映射到同一空间后相加，或用特征级调制层做注意力式调节）。
最后是 GNN playground 与经验教训。playground 用图级预测任务：Leffingwell 气味数据集——预测分子结构（图）是否"刺鼻"（pungent），这是横跨化学、物理、神经科学与机器学习、约百年的老问题；分子表示为图（原子节点是 C/N/O/F 的 one-hot、键边是单/双/三/芳香键的 one-hot），模型模板是顺序 GNN 层 + 带 sigmoid 的线性分类头，可用"深度、各属性维度、聚合函数（max/mean/sum）、更新的图属性（消息传递风格）"这些开关自由定制；还能看倒数第二层激活（graph embeddings）经 PCA 降到 2D 的决策边界可视化。跨大量架构的实验给出几条经验：更高的参数量确实与更高性能相关，GNN 是参数高效的模型（约 3k 参数就能找到高性能模型）；更高维的表示有更好的均值与下界，但最好成绩并不在高维一侧；层数方面，均值随层数增加而提升，但最好的模型是两层而非三或四层，且四层时性能下界下降——因为层数多的 GNN 会把信息广播到更远距离、经过多次迭代后节点表示容易被"稀释"。聚合函数的选择则取决于数据。这些经验恰恰提醒读者：GNN 的设计选择没有放之四海皆准的答案，需要针对数据与任务实验验证。
阅读价值
适合完全没接触过图神经网络、想建立直观理解的读者（包括对图论陌生的工程师与产品人）：文章用图像/文本"居然也是图"的例子降低门槛，从图级/节点级/边级任务讲到消息传递、全局表示与池化，最后用交互式 playground 把"参数高效、层数并非越多越好"等经验变成可亲手验证的直觉；与配套的《Understanding Convolutions on Graphs》合读，就能把 GNN 的构建模块与设计取舍掌握完整。
本文为中文精炼导读,由 AI 基于原文整理,内容与图片版权归原作者所有。原文: https://distill.pub/2021/gnn-intro