GCN 半监督节点分类：几个标签带动全图
一张社交网络图里，只有极少数人被打了标签（属于哪一派），其余全是未知。图卷积网络（GCN） 怎么把标签补全？核心动作和消息传递一样：每个节点反复聚合邻居的信息（按边取平均）来更新自己。已知标签像染料从种子节点顺着边一层层扩散——同一社区内部连得密、相互印证，于是整张图自然被染成两派，连只有一个种子的社区也能被正确分类。这就是“半监督”：少量标签 + 图结构，带动全图。拖动传播层数，看两个种子怎样把颜色铺满全图。
只有 2 个节点有标签（深色圈＝种子：A 派蓝、B 派红），其余初始为灰（未知）。每传播一层，节点＝自己与邻居的平均，颜色越饱和表示越笃定。看标签怎样沿边扩散、把图分成两派。
半监督
只需极少量已标注节点，靠图结构把标签传播到大量未标注节点上。
邻居聚合＝图卷积
每层让节点融合邻居特征（这里是标签得分），多层后“看”得更远。
社区结构
同社区内部连得密、彼此印证，标签在社区内迅速一致，跨社区的桥几乎拦住扩散。