前言

由于最近需要学一学图神经网络，最终目标是需要用到R-GAT，但是总是不能一蹴而就的，拷下代码能跑应该不难，但是如果能够理解代码，修改代码，可能还是需要懂对应的模型理论知识。那还是先从图的表示开始吧…
下面的图是b站视频里截的，因为确实看图一目了然了
https://www.bilibili.com/video/BV1U44y1K7yP?p=2&vd_source=f57738ab6bbbbd5fe07aae2e1fa1280f

图的表示

邻接矩阵法

邻接矩阵是一种基础的图表示方式。假设一个图的节点数量为N，则生成一个N*N的矩阵。矩阵中的值为对应位置节点与节点之间的关系一般用A表示。

若节点i与节点j右边链接，则邻接矩阵的对应位置赋值1即可

无向图（边没有方向，即不区分1->2和2->1）：

有向图：

有权有向图：
矩阵中的值用权重来表示即可

邻接列表法

邻接列表对于稀疏大图十分友好

有向无权图：

有向有权图：

边集法

头尾节点的元组来表示一组边

有向图：

无向图：

有向有权图：

邻居和度

节点的邻居指的是与该节点再同一边另一端的节点。
节点的度指的是该节点邻居的数量

无向图：

有向图：

有向图的邻居分为前继邻居和后继邻居，度又可分为入度和出度。
前继邻居：目标节点作为尾节点时与它相连的头节点。
后继邻居：目标节点作为头节点时，与它相连的尾节点。
入读：前继邻居的数量
出度：后继邻居的数量