در این مطلب، دربارهٔ شبکه‌های کانولوشنی گراف (GCNs) صحبت خواهیم کرد که هدفشان تعمیم عملیات کانولوشن به دامنهٔ گراف است. از آن‌جایی که شبکه‌های عصبی کانولوشنی (CNNs) در حوزهٔ یادگیری عمیق موفقیت چشمگیری داشته‌اند، تعریف عملیات کانولوشن برای گراف‌ها نیز کاملاً طبیعی و منطقی به‌نظر می‌رسد. پیشرفت‌ها در این زمینه معمولاً به دو دستهٔ کلی تقسیم می‌شوند: رویکردهای طیفی (spectral) و رویکردهای مکانی (spatial). از آن‌جایی که در هر کدام از این دو دسته مدل‌های متنوع زیادی وجود دارد، در این مطلب فقط به معرفی چند مدل کلاسیک و مهم بسنده می‌کنیم.
