绪论：从数据到图——为什么需要图神经网络？

在当今数据驱动的时代，信息的呈现形式早已超越了传统的表格和序列。从社交媒体上复杂的好友关系，到科学家手中原子间的化学键，再到互联网上相互链接的知识实体，一种名为“图”的数据结构正悄然成为连接万物的隐形骨架。然而，传统的深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN），虽然在处理图像、语音等规则数据上取得了辉煌成就，却往往对这类非欧几里得、不规则连接的图数据束手无策。图神经网络（Graph Neural Networks, GNN）的诞生，正是为了填补这一空白，它为我们提供了一套强大的工具，直接从图结构中学习有价值的表示，并解锁其中蕴藏的智能。本章将带领读者踏上探索图神经网络的旅程，首先揭示图数据在现实世界中的普遍存在，然后剖析传统方法的局限性，进而引出GNN的核心思想与独特优势，并展望其广阔的应用前景，最后规划全书的学习路径。

图结构数据的普遍性：万物皆可互联

图是一种由节点（顶点）和边（连接）组成的数据结构，用于表示实体及其相互关系。与表格中的行和列或序列中的时间步不同，图结构能够自然地捕捉复杂系统中的关联模式。这种模式无处不在，几乎渗透到所有科学和工程领域。

社交网络：人际关系的映射

社交网络是最直观的图数据示例。在Facebook、Twitter或微信等平台上，每个用户是一个节点，而好友关系、关注或互动则构成边。这些图通常规模庞大、动态变化，且具有丰富的节点属性（如年龄、兴趣）和边属性（如互动频率、关系类型）。分析这类图可以帮助我们理解信息传播、社区发现、影响力最大化等问题。例如，在流行病学中，社交图被用于模拟疾病传播路径，识别关键传播者以制定干预策略。

分子与材料科学：原子间的舞蹈

在化学和材料科学中，分子可以自然地表示为图：原子是节点，化学键是边。每个原子带有类型（如碳、氧）和可能的其他属性（如电荷），每条边带有键类型（单键、双键、芳香键等）和几何信息。这种表示使得GNN能够学习分子的结构-性质关系，从而预测分子特性（如毒性、溶解度）或生成新分子。类似地，晶体结构也可以建模为图，其中原子为节点，晶格连接为边，用于预测材料性能。

知识图谱：人类知识的语义网络

知识图谱（如Google Knowledge Graph、DBpedia、Wikidata）以结构化形式存储现实世界的事实，其中实体（如人物、地点、概念）作为节点，关系（如“出生于”、“位于”、“是...的一部分”）作为边。知识图谱是语义网和人工智能的基础，支持问答系统、推荐系统和推理。例如，在医疗领域，知识图谱整合疾病、症状、药物之间的关系，辅助诊断和治疗方案推荐。

其他领域：图的泛化能力

图的适用性远不止上述领域：

• **交通网络**：路口为节点，道路为边，用于预测交通流量或规划路线。
• **电路设计**：组件为节点，导线为边，用于电路验证和优化。
• **学术论文网络**：论文为节点，引用关系为边，用于研究影响力评估和文献推荐。
• **生物网络**：蛋白质相互作用网络、代谢通路等，用于理解生物机制。
• **程序分析**：代码抽象语法树（AST）可视为树图，用于代码漏洞检测或代码生成。

这些例子表明，图数据是描述复杂系统关系本质的通用语言。然而，如何从这些图中自动提取有用模式，成为深度学习面临的新挑战。

传统深度学习的局限：为何CNN和RNN在图面前失灵

过去十年，深度学习在图像、语音、文本等领域取得革命性进展，其成功很大程度上依赖于数据的规则结构。CNN利用卷积核在网格数据（如图像）上滑动， exploiting 平移不变性和局部相关性；RNN及其变体（如LSTM、GRU）通过循环连接处理序列数据，捕捉时间依赖。然而，当面对图数据时，这些模型遭遇根本性困难。

非欧几里得数据与不规则性

图数据是非欧几里得的，意味着它没有固定的坐标系统或全局顺序。在图像中，像素排列在二维网格上，每个像素有固定的邻居（上、下、左、右）；在文本中，词按线性顺序排列。但在图中，节点度数可变（有的节点连接众多邻居，有的仅连接少数），邻居集合无序，且图结构本身可能不规则（如社交网络中的“枢纽”节点）。CNN的卷积操作假设输入具有平移不变性，即特征在空间上均匀分布，但图中节点没有统一的位置概念，强行将图“栅格化”会扭曲拓扑结构。RNN依赖序列顺序，而图没有天然的遍历顺序；不同的遍历（如深度优先、广度优先）会产生不同的序列，导致模型不稳定。

参数共享与结构感知

CNN和RNN通过参数共享（同一卷积核应用于所有位置，同一循环权重应用于所有时间步）实现效率和对变长输入的处理。但在图中，由于邻居集合大小不一，且节点特征维度可能相同但结构角色不同，简单的参数共享难以适应。例如，在分子图中，一个碳原子可能连接四个原子（如甲烷），也可能连接三个原子（如双键环境），其语义不同，但CNN的固定大小卷积核无法直接处理变尺寸邻域。

忽略结构信息

全连接网络（MLP）将每个节点视为独立样本，忽略节点间的连接。这相当于将图视为一组无序点，丢失了关系信息，导致模型无法利用图结构带来的归纳偏置。例如，在社交推荐中，如果忽略好友关系，仅基于用户个人特征预测，会丢失协同过滤的核心信号。

计算与统计挑战

图数据的变尺寸性对批量处理构成挑战。传统深度学习框架要求输入张量具有固定形状，而图的大小（节点数、边数）可变，需要特殊的数据加载和填充策略。此外，图的无序性使得模型需要学习置换不变性（permutation invariance），即节点的表示不应依赖于节点ID或输入顺序，这增加了学习难度。

一个直观对比：图像 vs. 图

考虑图像分类：输入是固定大小的RGB矩阵（如224×224×3），CNN通过多层卷积逐步扩大感受野，最终输出类别。感受野是规则扩张的。现在考虑一个分子图：节点数可变，边无固定方向。如果我们试图设计一个类似卷积的算子，需要定义“邻域”和“聚合方式”，但邻域大小不一，且边可能带有类型。这催生了图卷积的泛化概念：不是对网格滑动，而是对每个节点，聚合其直接邻居的信息。这种操作必须对节点顺序不变，且适应不同邻居数量。

正是这些局限性，推动了图神经网络的专门化发展。GNN的设计初衷就是直接操作图结构，保持图的拓扑特性，同时学习节点、边乃至整个图的分布式表示。

图神经网络的核心思想：消息传递与表示学习

图神经网络是一类直接处理图数据的深度学习模型，其核心思想是通过迭代的邻域聚合（或称消息传递）来学习节点的表示，使得每个节点的最终表示蕴含了其局部结构及自身特征的信息。这一过程模仿了人类在社交网络中的信息传播：你的观点不仅取决于自身，还受到朋友的影响。

消息传递框架：GNN的通用语言

现代GNN大多遵循消息传递神经网络（Message Passing Neural Network, MPNN）框架，可分为两个步骤在每一层$l$： 1. 消息函数（Message）：对于每条边$(u, v)$，从源节点$u$向目标节点$v$发送一条消息$m_{uv}^{(l)} = \text{MSG}^{(l)}(h_u^{(l)}, h_v^{(l)}, e_{uv})$，其中$h_u^{(l)}$和$h_v^{(l)分别是节点$u$和$v$在第$l$层的表示，$e_{uv}$是边特征。消息可以基于节点特征、边特征或两者结合。 2. 聚合函数（Aggregate）：每个节点$v$聚合所有传入消息：$M_v^{(l)} = \bigoplus_{u \in \mathcal{N}(v)} m_{uv}^{(l)}$，其中$\mathcal{N}(v)$是$v$的邻居集合，$\bigoplus$是聚合操作（如求和、均值、最大值）。 3. 更新函数（Update）：节点$v$结合自身上一时刻表示和聚合消息，更新为新表示：$h_v^{(l+1)} = \text{UPD}^{(l)}(h_v^{(l)}, M_v^{(l)})$。

这个过程重复$L$层，使节点表示逐步融入$L$跳邻域的信息。$L$层后，节点$v$的表示$h_v^{(L)}$理论上编码了以$v$为中心、最多$L$跳内的子图结构。

数学上，一个通用GNN层可写为： $$ h_v^{(l+1)} = \phi \left( h_v^{(l)}, \bigoplus_{u \in \mathcal{N}(v)} \psi(h_u^{(l)}, h_v^{(l)}, e_{uv}) \right) $$ 其中$\psi$是消息函数，$\bigoplus$是聚合函数，$\phi$是更新函数。所有函数通常由神经网络参数化，通过端到端训练学习。

关键设计选择

GNN的设计围绕几个关键决策：

• **消息内容**：是否包含边特征？是否考虑边方向？
• **聚合方式**：求和、均值、最大值，或更复杂的注意力机制。
• **更新方式**：是否将聚合结果与节点历史拼接后通过MLP？是否使用残差连接？
• **图级表示**：对于图分类任务，需要将节点表示汇聚为图表示，常用图池化（graph pooling）方法，如全局池化（对所有节点求和/均值）或更复杂的层次池化。

这些选择催生了众多GNN变体，如图卷积网络（GCN）、图注意力网络（GAT）、图同构网络（GIN）等，它们在消息函数、聚合函数上各有创新。

为什么消息传递有效？

消息传递机制本质上是图上的扩散过程。通过多层传播，节点特征沿边流动，相似节点（结构上接近）的表示趋于一致，同时保持区分度。这类似于在图上定义平滑先验：相连节点应有相似表示。这种归纳偏置非常适合许多图任务，如节点分类（标签在相邻节点间平滑）、图分类（子图模式识别）。

此外，GNN学习到的表示是低维、稠密、连续的向量，可直接用于下游任务（如预测节点属性、边存在性或图标签），也可作为其他模型的输入。这实现了从原始图结构到数值表示的自动特征工程。

一个简单示例：节点分类

假设我们有一个社交网络图，部分节点已知兴趣标签（如“科技”、“体育”），需要预测未知节点的兴趣。GNN训练过程： 1. 初始化：每个节点用特征向量表示（如用户资料嵌入）。 2. 迭代传播：每层中，节点聚合邻居的特征。经过几层后，一个节点的表示融合了其朋友的信息。如果“科技”爱好者常与“科技”爱好者连接，那么未知节点若连接多个“科技”节点，其表示会偏向“科技”。 3. 输出：最后一层节点表示输入分类器（如MLP），预测标签。 训练时，通过交叉熵损失优化，使预测接近已知标签。消息传递自动学习如何聚合邻居信息以利于预测。

图神经网络的发展历程：从萌芽到繁荣

GNN的研究并非一蹴而就，而是经历了从理论探索到广泛应用的过程。理解其发展脉络有助于把握技术演进的逻辑。

早期探索（2005-2013）：递归与图嵌入

GNN的概念最早可追溯到2005年，由Gori等人提出，使用递归神经网络处理图数据，但计算复杂且难以训练。2009年，Scarselli等人正式提出图神经网络（GNN）框架，将图视为有向图，通过迭代更新节点隐藏状态直到收敛，然后用于监督任务。这一阶段强调递归传播，但收敛慢、扩展性差。

与此同时，图嵌入（Graph Embedding）方法兴起，旨在将节点映射到低维向量空间， preserving 图结构。代表性工作包括：

• **DeepWalk（2014）**：将随机游走视为句子，用Word2vec学习节点嵌入，捕获网络结构。
• **node2vec（2016）**：改进随机游走策略，平衡广度优先和深度优先，学习更灵活的嵌入。

这些方法虽非严格意义上的神经网络（无端到端训练），但为GNN提供了预训练思路，并证明了结构信息可被编码为向量。

现代GNN的兴起（2016-至今）：卷积与注意力

2016年被视为GNN的转折点。Kipf和Welling提出图卷积网络（GCN），将卷积操作推广到图，使用一阶近似简化邻域聚合，实现高效训练。GCN的成功激发了大量后续工作，核心围绕如何改进聚合机制：

• **GraphSAGE（2017）**：提出归纳式学习，通过采样和聚合函数（均值、LSTM、池化）处理大规模图，支持训练后泛化到未见节点。
• **图注意力网络（GAT，2018）**：引入注意力机制，为不同邻居分配不同权重，学习重要性感知的聚合。
• **图同构网络（GIN，2019）**：理论上证明其表达能力强，能区分任意图结构，逼近图同构测试的判别力。

同时，GNN被扩展到其他图对象：

• **超图神经网络**：处理节点间多对多关系。
• **动态图神经网络**：处理时变图。
• **异构图神经网络**：处理多种节点/边类型的图（如学术图有论文、作者、会议节点）。

理论深化与标准化

随着应用增多，GNN的理论研究深入：

• **表达能力分析**：研究GNN能区分哪些图结构（如WL测试的对应）。
• **过平滑问题**：层数加深时，节点表示趋于相同，导致性能下降。解决方案包括残差连接、跳连、不同聚合策略。
• **鲁棒性与可解释性**：研究GNN对对抗攻击的脆弱性，以及如何解释GNN决策。

应用爆发

近五年来，GNN在多个领域取得突破：

• **AlphaFold2（2020）**：虽主要使用注意力机制，但图结构（蛋白质残基为节点，空间距离为边）是关键输入，实现了蛋白质结构预测的革命。
• **药物发现**：GNN成为分子性质预测和生成的标配工具。
• **推荐系统**：如Pinterest的PinSage、阿里巴巴的EGES，利用GNN挖掘用户-物品交互图。
• **自然语言处理**：将句法依赖树或文本关系图输入GNN，增强语义理解。

如今，GNN已成为机器学习的主流范式之一，与CNN、RNN并列，形成处理欧几里得数据、序列数据和图数据的三大支柱。

主要应用领域：从理论到实践

GNN的独特优势使其在众多领域大放异彩。以下选取几个典型应用，展示GNN如何解决实际问题。

推荐系统：挖掘用户-物品关系

传统协同过滤基于用户-物品交互矩阵，但矩阵稀疏且难以融入侧信息。GNN将用户和物品作为节点，交互行为（如购买、点击）作为边，构建异构图。通过消息传递，用户和物品的表示相互增强：

• **PinSage（Pinterest）**：使用随机游走采样邻居，训练GNN生成物品嵌入，用于相似物品推荐。该系统每天为超过2.5亿用户提供推荐，显著提升参与度。
• **LightGCN（2020）**：简化GCN，移除特征变换和非线性，仅保留邻域聚合，在多个基准数据集上达到最优，证明简单性有时更有效。

GNN在推荐中的价值在于：它自然地整合了多跳关系（如“喜欢A的用户也喜欢B，而B与C相似”），并支持冷启动（新用户/物品通过连接融入图）。

药物发现：从分子图到新药

药物研发成本高昂、周期长。GNN加速早期阶段：

• **分子性质预测**：输入分子图（原子节点，键边），预测性质如血脑屏障穿透、毒性、亲和力。例如，使用GAT或GIN在MoleculeNet数据集上表现优异。
• **分子生成**：结合生成模型（如VAE、GAN），GNN学习分子图分布，生成具有 desired 性质的新分子。例如，GraphNVP、GCPN等。
• **蛋白质-配体结合预测**：将蛋白质和配体分别编码为图，或构建复合物图，预测结合亲和力，用于虚拟筛选。

实际案例：Insilico Medicine使用GNN生成新药分子，缩短临床前阶段时间；Atomwise利用GNN预测小分子与靶蛋白结合，辅助药物重定位。

自然语言处理：超越序列

虽然NLP以Transformer为主流，但GNN在需要显式结构信息的任务中不可或缺：

• **句法依赖分析**：将句子构建为依赖树（词为节点，依存关系为边），GNN捕获语法结构，改善语义角色标注、关系抽取。例如，使用GCN或GAT在语义依存图任务上提升性能。
• **文本分类与情感分析**：将文档构建为词图（如基于共现或语义相似度连接），GNN聚合词信息，捕捉文档级主题。
• **问答系统**：将知识图谱子图与问题文本结合，GNN推理答案路径。如Google的KBQA系统。

此外，文本可作为图（如篇章关系图、事件图），GNN帮助理解长文本逻辑。

其他领域

• **交通预测**：将传感器或路口作为节点，道路为边，GNN预测交通速度、流量。如DCRNN、STGCN处理时空图。
• **社交网络分析**：欺诈检测、社区发现、影响力预测。GNN能捕捉用户行为传播模式。
• **知识图谱补全**：预测缺失链接（如“马云是阿里巴巴创始人”），GNN沿多跳路径推理。
• **程序理解**：代码抽象语法树（AST）输入GNN，用于代码分类、漏洞检测、代码搜索。

这些应用共同特点是：数据本质上是图，且关系信息对任务至关重要。GNN通过端到端学习，将领域知识（如图结构）融入模型，通常优于忽略结构或手工设计特征的方法。

全书学习路线图：构建系统知识体系

图神经网络领域广阔且发展迅速，本书旨在为读者提供从基础到前沿的全面指南。全书共15章，循序渐进，兼顾理论与实践。

• **第1章（本章）**：绪论，介绍图数据的普遍性、传统方法局限、GNN核心思想、发展历程、应用场景及全书结构。
• **第2章：图论基础与图数据表示**：系统复习图论基本概念（节点、边、度、路径、连通性等），介绍图的数学表示（邻接矩阵、拉普拉斯矩阵），以及图数据集的常见格式（如NetworkX、DGL、PyG）。
• **第3章：深度学习回顾与图表示学习**：简要回顾前馈网络、CNN、RNN、自注意力，引出表示学习概念，讨论图表示学习的目标（节点/边/图嵌入）和评估方法。
• **第4章：图卷积网络（GCN）与谱方法**：深入GCN，从谱图卷积理论出发，推导简化形式，讨论其与CNN的联系与区别，并实现实例。
• **第5章：空间方法与图注意力网络（GAT）**：介绍空间卷积（直接操作图结构），详解GAT的注意力机制，比较不同聚合策略。
• **第6章：图同构网络（GIN）与表达能力**：理论章节，分析GNN的表达能力上限（与Weisfeiler-Lehman测试的关系），证明GIN的 universality，讨论过平滑问题。
• **第7章：图池化与图分类**：介绍如何将节点表示汇聚为图表示，包括全局池化、排序池化、分层池化（如DiffPool、SAGPool），应用于图分类任务。
• **第8章：训练技巧与优化**：讨论GNN训练中的挑战：过拟合、过平滑、大规模图训练（采样技术如GraphSAGE、Cluster-GCN）、负采样、损失函数设计。
• **第9章：异构图神经网络**：处理包含多种节点/边类型的图，介绍元路径、关系分解、异构图卷积等。
• **第10章：动态图神经网络**：处理时变图，介绍离散时间动态图（每个时间片独立）和连续时间动态图（事件序列）的建模方法。
• **第11章：生成式图模型**：将生成模型（VAE、G