图嵌入表示学习

分析：神经网络其实是一个黑箱，把原图输进去，然后可以得到每个节点的d维向量，再由这个d维向量去构造下游的预测任务，如果把这个d维向量做一个二维的投影和降维，目标就是在原图中相似的两个向量，在d维的空间中也应该足够相似，两个向量的距离应该能够表征两个节点在原图中的关系，也就是包含了节点的语义，所以这就是图嵌入的问题，重点就是这个f到底是如何学习的。

分析：其实可以看做编码器(Encoder), 把u节点通过图神经网络，映射为d维向量，v节点输入到图神经网络，得到d维向量，在d维空间中，向量之间的相似度应该能反映这两个节点在原图中的相似度，这样才能说明图神经网络真的理解了这个节点的特征和信息，并抽取出来。