图神经网络 (GNN)

图神经网络（Graph Neural Networks，GNNs）是一种专门用于处理图形数据的神经网络。在许多实际问题中，数据往往以图形的形式存在，例如社交网络、物联网、蛋白质相互作用网络等。这些图形中的节点可以表示为人、设备或分子，而边则表示这些实体之间的交互或关系。

传统的神经网络，如卷积神经网络（CNNs）和循环神经网络（RNNs），并不适合处理图形数据，因为它们主要设计用于处理规则的网格数据（如图像）和序列数据。相比之下，图神经网络能够直接处理图形数据，捕捉节点之间的复杂关系。

图神经网络的工作原理是，通过在图的节点和边上进行信息传递和聚合，从而学习节点的表示。这种表示可以用于各种下游任务，如节点分类、链接预测和图分类等。