的度矩阵。
从上面的正向传播公式和示意图来看，GCN好像跟基础GNN没什么区别。接下里给出GCN的传递公式(8)：
观察一下归一化的矩阵与特征向量矩阵的乘积：
来源：
https://www.zhihu.com/question/426784258
可以发现，GCN引入度矩阵D用于对邻接矩阵的归一化后，层间传播将不再单单地对领域节特征点取平均，它不仅考虑了节点i对度，也考虑了邻接节点j的度，对于度数较大的节点，它在聚合时贡献地会更少。
文章[5]通过实验证明GCN性能出色，GCN即使不训练，提取出来的特征已经非常优秀,作者做了一个实验，使用俱乐部关系网络数据，如图3所示：
图3 GCN在空间上自动聚类从上图可以发现，使用随机初始化的GCN进行特征提取，经过GCN的提取出的embedding，已经在空间上自动聚类了。
2.2 GAT - attention机制
GAT[6]是典型的基于注意力机制的图神经网络。图注意网络结构如图4所示,节点i，j的特征作为输出，计算两节点之间的注意力权重。
