图卷积网络 GCN：从邻居聚合到节点表示

图卷积网络，大伙儿都叫它 GCN。我第一次接触的时候，脑子里冒出一个问题：这玩意儿和咱们熟知的 CNN 到底差在哪儿？

CNN 处理的是规规矩矩的网格数据，比如图像，像素点排列得整整齐齐。图数据可没这么乖——节点的邻居数量不固定，结构也不规则。所以，GCN 的核心思想就是：让每个节点学会从它的邻居那里“收集信息”，然后更新自己的状态。

核心直觉：消息传递与邻居聚合

说白了，GCN 每一层做的事就是：我看我的邻居们都藏着什么特征，把它们加权求和一下，再经过一个非线性变换，就得到了我这层的新特征。层数越深，能“看到”的邻居范围越远——这不就是感受野嘛。

举个例子，社交网络里，如果我关注了五个科技大V和一个美食博主，那我新一轮的特征可能更偏科技一些。当然，权重怎么分配，这学问就大了。

数学上到底怎么干？

Kipf & Welling 在 2017 年提出的经典 GCN 公式长这样：

H^{(l+1)} = σ( D̂^{-1/2} · Ã · D̂^{-1/2} · H^{(l)} · W^{(l)} )

别被吓到，我们拆开看：

• Ã = A + I_N，就是把原始邻接矩阵加上自环，让自己也能看到自己。
• D̂ 是 Ã 的度矩阵，对角线上每个值就是对应节点的度。
• H^{(l)} 是第 l 层的节点特征矩阵，第一层就是原始特征。
• W^{(l)} 是第 l 层可学习的权重矩阵——这是模型要训练的参数。
• σ 是非线性激活函数，一般用 ReLU。

D̂^{-1/2} · Ã · D̂^{-1/2} 这个组合，叫归一化的邻接矩阵。为什么要归一化？

如果不归一化，度数大的节点（比如微博大V，邻居上万）聚合时会把特征“冲”得特别大，度数小的节点被淹没了。归一化之后，每个节点不管有多少邻居，聚合后的特征尺度差不多。我在做推荐系统项目时吃过这个亏，第一次直接用原始邻接矩阵，训练直接发散……后来加了归一化才稳住。

消息传递的直观理解

可以画成这样一个流程：

输入特征 → 邻居特征加权求和 → 加上自身特征 → 非线性激活 → 输出特征

每一层都做这件事。两层 GCN 就能聚合两跳邻居的信息。你想想看，你只需要两层，就能知道你朋友的朋友在干嘛。

SVG：GCN 单层消息传递图解

GCN 的层数与感受野

一层 GCN，节点只能看到自己的直接邻居。两层就能看到两跳邻居，也就是邻居的邻居。这有点像 CNN 里的卷积核尺寸。

不过，GCN 有个小毛病：层数一旦超过 5 层，所有节点的特征就会变得差不多——这叫“过平滑”。

代码实现：用 PyTorch 写一个 GCN 层

理论说够了，直接上代码。下面是一个最简单的 GCN 层实现：

import torch
import torch.nn as nn
import torch.nn.functional as F

class GCNLayer(nn.Module):
    def __init__(self, in_features, out_features, bias=True):
        super().__init__()
        self.linear = nn.Linear(in_features, out_features, bias=bias)

    def forward(self, x, adj_norm):
        # x: [N, in_features] 节点特征矩阵
        # adj_norm: [N, N] 归一化邻接矩阵
        support = self.linear(x)                  # 线性变换 W*x
        out = torch.spmm(adj_norm, support)       # 稀疏矩阵乘法：D̃⁻¹/² Ã D̃⁻¹/² * H * W
        return out

等等，这个代码是不是太简单了？嗯，没错，核心就三步：

1. 对输入特征做线性变换（乘以 W）。
2. 用归一化邻接矩阵做稀疏矩阵乘法——这就是消息聚合。
3. 没有显式写激活函数，因为通常在层外调用。

实际使用时要加上 ReLU 和 Dropout：

class GCN(nn.Module):
    def __init__(self, nfeat, nhid, nclass, dropout=0.5):
        super().__init__()
        self.gc1 = GCNLayer(nfeat, nhid)
        self.gc2 = GCNLayer(nhid, nclass)
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, adj_norm):
        x = F.relu(self.gc1(x, adj_norm))
        x = self.dropout(x)
        x = self.gc2(x, adj_norm)
        return F.log_softmax(x, dim=1)

这个两层 GCN 已经能解决很多节点分类问题了。我记得有一次拿它跑 Cora 数据集，测试准确率 81.5%，比当时的 baselines 都高。

归一化邻接矩阵的计算方式

上面的代码假设 adj_norm 已经算好了。怎么算？看下面：

def normalize_adj(adj):
    # adj: scipy sparse csr matrix
    adj = adj + sp.eye(adj.shape[0])    # 加自环
    d = np.array(adj.sum(1)).flatten()  # 计算度
    d_inv_sqrt = np.power(d, -0.5)
    d_inv_sqrt[np.isinf(d_inv_sqrt)] = 0.0
    d_mat_inv_sqrt = sp.diags(d_inv_sqrt)
    return d_mat_inv_sqrt @ adj @ d_mat_inv_sqrt

这对应了前面公式中 D̂^{-1/2} · Ã · D̂^{-1/2}。注意一定要用稀疏矩阵，否则 N=2708 的 Cora 图，稠密矩阵就 2708×2708，直接内存爆炸。

GCN 和其他图网络变体的对比

为了方便你理解，我整理了一张表：

模型	聚合方式	归一化	特点
GCN (Kipf, 2017)	平滑加权求和	对称归一化	简单高效，适合直推式学习
GraphSAGE	Mean / LSTM / Pooling	无（按邻居数平均）	归纳式，可处理新节点
GAT	注意力加权求和	Softmax 归一化	动态学习邻居重要性

你看，GCN 是最朴素的一种，但正因为朴素，它的计算效率最高、参数量最少。很多工业场景里，GCN 依然是首选 baseline。

训练 GCN 的常见设置

• 优化器：Adam，学习率 0.01，权重衰减 5e-4
• 早停：验证集 loss 连续 10 轮不下降就 stop
• Batch：全图训练（Full-batch）通常可行，但大图要用邻域采样
• 初始化：Xavier 均匀初始化

嗯，今天就先到这儿。GCN 的原理和实现都不复杂，但细节决定了你能不能跑通。下次见面我们再聊聊如何用 GCN 解决一个真实的节点分类任务。