图卷积网络（Graph Convolutional Networks，简称 GCN），Kipf 和 Welling 在 2017 年的 ICLR 会议上发表了题为「Semi-Supervised Classification with Graph Convolutional Networks」的论文，对 GCN 的理论基础和应用进行了深入探讨。

GCN 是通过图卷积操作来捕捉图中节点的局部结构信息和特征信息，从而实现对图数据的有效处理和分析。在图卷积网络中，节点的特征会与其邻居节点的特征聚合，以此来更新节点的状态。 GCN 通常利用图的拉普拉斯矩阵来定义节点间的聚合关系，并通过这种关系来传播节点的特征。 GCN 的关键在于其能够很好地处理图结构数据，这使得它在社交网络分析、生物信息学、推荐系统等领域有着广泛的应用。