企业官网建设流程全解析

消息传递的图神经网络，这个名词第一次出现在我视野里的时候，我正被一个推荐系统的冷启动问题折磨得够呛。用户和商品之间的关系天然就是一张图，可我那时候还在用传统的矩阵分解硬套，效果怎么调都差一口气。后来才意识到，图结构数据里藏着大量“邻居之间的信息流动”规律，而消息传递机制恰好就是把这层规律显式建模出来的那把钥匙。这篇内容我想把消息传递图神经网络的核心原理、实现细节、踩坑经验完整地聊一遍，适合已经了解基础图神经网络概念、想深入理解消息传递范式的读者，也适合正在做推荐、风控、知识图谱相关项目、需要把图结构用起来的从业者。

1. 从矩阵分解的瓶颈说起：为什么需要消息传递

1.1 传统方法在图结构数据上的天然缺陷

我最早接触图结构数据是在一个用户-商品交互的场景里。那时候的做法很直接：把用户对商品的交互行为整理成一个巨大的稀疏矩阵，然后用矩阵分解或者协同过滤去预测缺失的评分。这个方法在数据量不大、关系简单的时候确实能跑通，但一旦关系变得复杂，问题就暴露了。

最核心的缺陷在于，矩阵分解本质上只建模了“用户-商品”这一种二元关系，它把每个用户和每个商品都当作独立的向量来学习，完全忽略了用户与用户之间、商品与商品之间的高阶关联。举个例子，用户A买了商品X和商品Y，用户B买了商品X和商品Z，在矩阵分解的框架下，A和B之间的相似性只能通过他们共同交互过的商品X间接体现，而且这种体现是隐式的、被压缩在一个低维向量里的。但如果我们把整个交互关系看作一张图，用户A和用户B通过商品X这条边天然就是二阶邻居，他们之间的信息本可以直接流动。

另一个问题是冷启动。一个新用户只交互了一两个商品，矩阵分解能学到的信息极其有限，向量表示质量很差。但在图结构里，这个新用户可以通过他交互过的商品连接到其他用户，进而获取到更丰富的邻居信息。消息传递机制就是为这种“通过邻居获取信息”的过程提供了一个系统化的计算框架。

1.2 消息传递的核心直觉：邻居的信息汇聚

消息传递的直觉其实非常朴素。你可以把图中的每个节点想象成一个人，每个人手里有一份自己的信息（特征向量）。现在每个人要更新自己的认知，怎么做呢？他会去问自己的邻居：“你手里有什么信息？”邻居们把各自的信息传给他，他把这些信息汇总起来，再结合自己原有的认知，形成新的认知。这个过程重复多轮，每个人就能获取到越来越远的信息。

用稍微正式一点的语言描述：图中的每个节点维护一个隐藏状态向量，在每一轮消息传递中，每个节点先从邻居节点收集消息，然后聚合这些消息，最后用聚合结果更新自己的状态。这个过程可以用三个函数来概括——消息函数、聚合函数、更新函数。消息函数决定“邻居传什么过来”，聚合函数决定“怎么把邻居的消息合在一起”，更新函数决定“收到消息后自己怎么变”。

这三个函数的设计空间非常大，不同的设计就衍生出了不同的模型。比如消息函数可以是简单的恒等映射，也可以是带参数的全连接层；聚合函数可以是求和、求平均、取最大值，也可以是带注意力的加权求和；更新函数可以用GRU、LSTM，也可以就是简单的线性变换加激活。理解了这三个函数，你就理解了消息传递图神经网络的大半。

1.3 消息传递与传统图算法的本质区别

有人可能会问，这不就是图上的标签传播或者PageRank那套东西吗？表面上看确实有相似之处，都是在图上做迭代传播，但本质区别在于：传统图算法通常是固定规则的传播，比如PageRank的转移概率矩阵是预先定义好的，不涉及学习；而消息传递图神经网络中的消息函数、聚合函数、更新函数都是可学习的，它们通过反向传播从数据中自动学习到最优的传播方式。

这个区别带来的影响是深远的。固定规则的传播只能捕捉到设计者预先想到的模式，而可学习的传播能够发现数据中隐藏的、设计者未必意识到的模式。举个例子，在社交网络里，一个用户的影响力可能取决于他邻居的活跃度、邻居之间的连接密度、邻居发布内容的类型等等，这些因素之间的复杂交互关系很难用一条固定规则描述，但神经网络可以通过学习自动捕捉到。

2. 消息传递的三个核心函数拆解

2.1 消息函数：邻居到底传了什么过来

消息函数定义了从邻居节点到目标节点的信息传递内容。在最简单的情况下，消息就是邻居节点的当前隐藏状态，直接传过去，不做任何变换。这对应的是最基础的图卷积网络，它的消息函数就是恒等映射。

但很多时候，直接传原始状态并不够好。原因在于，不同邻居的信息可能需要不同的处理方式。比如在知识图谱中，两个实体之间的边有不同的关系类型（“出生于”“就职于”“导演了”），这些关系类型本身就携带了重要信息，如果消息函数忽略关系类型，就会丢失这部分信息。所以更复杂的消息函数会把边的关系类型也纳入计算，比如将关系类型的嵌入向量与邻居节点的状态拼接后再过一个线性层。

还有一种常见的设计是让消息函数依赖于目标节点的状态。也就是说，同样的邻居信息，传给不同的目标节点时，处理方式可能不同。这背后的直觉是：目标节点当前的状态决定了它“需要”什么样的信息。就像一个正在学习编程的新手和一个资深工程师，同样一份技术文档传给他们，他们关注的重点完全不同。这种设计在推荐系统中特别有用，因为不同用户对同一商品的关注点确实差异很大。

实现消息函数时有一个容易忽略的细节：消息函数是否需要考虑边的方向。在有向图中，消息只能沿着边的方向传递，从源节点传到目标节点。但在很多实际场景中，关系的方向性并不是绝对的，比如社交网络中的“关注”关系，A关注B并不意味着B对A没有影响，只是影响的方式不同。这时候可以考虑为正向边和反向边分别设计消息函数，或者使用对称的消息函数但在聚合时区分方向。

2.2 聚合函数：怎么把多条消息合在一起

聚合函数是消息传递中最需要仔细设计的部分，因为它直接决定了模型能捕捉到什么样的邻居信息模式。最常用的聚合函数是求和和求平均，它们简单、高效，而且在很多任务上表现不错。求和聚合的一个特点是它对邻居数量敏感——邻居越多，聚合后的值越大。这在某些场景下是合理的（比如社交网络中粉丝越多影响力越大），但在另一些场景下可能不合适（比如你只想知道邻居的平均偏好）。求平均则消除了邻居数量的影响，但同时也丢失了“有多少邻居”这个信息。

取最大值聚合是另一种常见选择，它擅长捕捉邻居中最显著的特征。比如在点云分类任务中，一个局部区域里最突出的特征往往决定了这个区域的类别，取最大值聚合就比求和更合适。但取最大值的缺点是不可导的问题——严格来说max函数是分段可导的，在梯度反向传播时只有取得最大值的那个邻居会收到梯度，其他邻居的梯度为零。这会导致训练时收敛较慢，因为每次只有部分参数被更新。

注意力聚合是我个人最推荐的一种方式，尤其是在邻居数量差异很大的场景中。它的核心思想是给每个邻居分配一个权重，这个权重由目标节点和邻居节点之间的关系动态计算。这样一来，重要的邻居权重大，不重要的邻居权重小，模型可以自动学会“该听谁的话”。注意力聚合的计算过程是：先计算目标节点与每个邻居节点的注意力分数，然后归一化得到权重，最后用加权求和得到聚合结果。

注意力聚合有一个变体值得特别提一下：多头注意力。它相当于让多个独立的注意力机制并行工作，每个头关注不同的关系模式，最后把多个头的结果拼接或平均。这在实际项目中非常有用，因为节点之间的关系往往是多面的，单头注意力可能只能捕捉到其中一个方面。

2.3 更新函数：收到消息后自己怎么变

更新函数决定了节点在收到聚合后的邻居消息后，如何将其与自身原有的状态融合。最简单的更新方式是直接把聚合结果作为新的状态，但这会完全丢弃节点自身的信息，显然不合理。更常见的做法是将聚合结果与自身状态拼接后过一个线性层加激活函数，或者用门控机制来控制信息的融合比例。

门控机制在更新函数中特别值得展开讲。它的核心思想是：不是所有邻居信息都值得保留，节点需要学会“选择性遗忘”和“选择性吸收”。这类似于LSTM中的输入门和遗忘门。具体来说，更新函数会计算一个门控值，这个值在0到1之间，决定了有多少邻居信息被吸收进新状态，有多少旧状态被保留。门控机制的引入让模型在处理噪声邻居时更加鲁棒——如果某个邻居的信息与当前节点无关，门控值会趋近于0，相当于自动屏蔽了这个邻居。

更新函数的另一个设计要点是是否使用残差连接。残差连接把节点原始状态直接加到更新后的状态上，这在深层消息传递网络中几乎是必需的。原因在于，随着消息传递层数的增加，节点状态会不断被邻居信息“冲刷”，原始信息可能被稀释甚至丢失。残差连接相当于给原始信息开了一条高速公路，确保它在多轮传播后仍然能被保留。我在实际项目中的经验是：如果消息传递层数超过3层，不加残差连接几乎一定会出现性能下降。

3. 从零实现一个消息传递层

3.1 环境准备与依赖选择

动手实现之前，先把环境理清楚。我个人的习惯是用PyTorch作为深度学习框架，配合PyTorch Geometric这个专门处理图数据的库。PyTorch Geometric提供了大量预构建的图神经网络层和数据集加载工具，能省去很多重复劳动。但如果你是为了深入理解消息传递机制，我建议先用纯PyTorch手写一遍核心逻辑，再用PyTorch Geometric做对比验证。

安装PyTorch Geometric时有一个坑需要注意：它的安装依赖于PyTorch和CUDA的版本，不同版本之间的兼容性比较严格。我的建议是先去PyTorch Geometric的官方文档确认版本对应关系，然后用pip或conda安装对应版本。如果安装过程中遇到编译错误，通常是因为系统缺少必要的C++编译工具链，在Linux上安装build-essential，在Windows上安装Visual Studio Build Tools即可。

除了框架本身，还需要准备图数据。对于入门练习，可以使用Cora、Citeseer这些经典的引文网络数据集，它们规模适中、结构清晰，适合验证模型是否正确。对于实际项目，数据通常来自数据库中的关系表，需要先做图构建——把实体映射为节点，把关系映射为边，把属性映射为节点特征。这个构建过程本身就有很多设计决策，比如是否要加入自环边、是否要处理异构图、是否要对边加权等等。

3.2 消息函数的代码实现与参数初始化

先定义消息函数。假设我们使用最简单的恒等消息函数，即邻居节点直接把当前隐藏状态传过来。在PyTorch中，这可以用一个gather操作实现：根据边的索引，从源节点的特征矩阵中取出对应的行，就得到了每条边上的消息。

import torch import torch.nn as nn class MessagePassingLayer(nn.Module): def __init__(self, in_dim, out_dim): super().__init__() self.linear = nn.Linear(in_dim, out_dim) self.activation = nn.ReLU() def message(self, x_source): # x_source: [num_edges, in_dim] return x_source

如果要用带参数的消息函数，比如把源节点特征过一个线性层，那就把上面的message方法改成返回self.linear(x_source)。参数初始化方面，线性层的权重建议用Xavier初始化或Kaiming初始化，这两种方法能根据输入输出维度自动调整初始化范围，避免梯度消失或爆炸。偏置项初始化为零即可。

有一个细节容易被忽略：消息函数是否需要处理边特征。如果图中边带有特征（比如边的权重、边的类型嵌入），消息函数应该把边特征也纳入计算。常见的做法是把源节点特征和边特征拼接后过一个线性层。边特征的维度通常比节点特征小，拼接后不会显著增加计算量。

3.3 聚合与更新的联合实现

聚合和更新通常放在一起实现，因为聚合结果直接作为更新的输入。下面是一个完整的消息传递层实现，使用求和聚合和带门控的更新函数：

class MessagePassingLayer(nn.Module): def __init__(self, in_dim, out_dim): super().__init__() self.message_linear = nn.Linear(in_dim, out_dim) self.update_gate = nn.Linear(in_dim + out_dim, out_dim) self.update_candidate = nn.Linear(in_dim + out_dim, out_dim) self.activation = nn.ReLU() self.sigmoid = nn.Sigmoid() def forward(self, x, edge_index): # x: [num_nodes, in_dim] # edge_index: [2, num_edges] source, target = edge_index # 消息计算 messages = self.message_linear(x[source]) # 聚合：按目标节点求和 num_nodes = x.size(0) aggregated = torch.zeros(num_nodes, messages.size(1), device=x.device) aggregated.index_add_(0, target, messages) # 更新：门控机制 combined = torch.cat([x, aggregated], dim=1) gate = self.sigmoid(self.update_gate(combined)) candidate = self.activation(self.update_candidate(combined)) new_x = gate * candidate + (1 - gate) * x return new_x

这段代码里有一个关键操作是index_add_，它按照target索引把messages累加到aggregated的对应行上。这是实现求和聚合的标准方式，效率比循环高得多。需要注意的是，index_add_是原地操作，如果后续需要保留原始aggregated，要先克隆一份。

门控更新的逻辑是：gate决定了新信息的吸收比例，candidate是候选的新状态，最终状态是gate乘以候选状态加上(1-gate)乘以原始状态。当gate趋近于1时，节点完全采纳邻居信息；当gate趋近于0时，节点完全保留自身信息。这个设计让模型能够自适应地控制信息流动。

3.4 多层堆叠与过平滑问题的处理

单层消息传递只能让节点获取到一阶邻居的信息。要获取更远距离的信息，需要堆叠多层。第二层消息传递时，每个节点已经包含了一阶邻居的信息，再经过一轮传播，就能获取到二阶邻居的信息。以此类推，K层消息传递能让节点获取到K阶邻居的信息。

但堆叠层数并不是越多越好。随着层数增加，所有节点的表示会趋于一致，这就是所谓的过平滑问题。直观理解是：每一层都在做邻居信息的平均，多轮平均之后，所有节点的表示都被“抹平”了，失去了区分度。过平滑问题在深层图神经网络中非常普遍，也是限制模型深度的主要因素。

处理过平滑有几种常见策略。第一种是控制层数，通常2到4层就能覆盖大多数实际需求，再深收益递减甚至变负。第二种是加入残差连接，让每层的输出包含原始输入的一部分，减缓表示趋同的速度。第三种是使用跳跃知识连接，把每一层的输出都保存下来，最后拼接或加权求和作为最终表示，这样即使深层出现过平滑，浅层的区分性信息仍然被保留。第四种是使用DropEdge等正则化手段，训练时随机丢弃一部分边，相当于给每层引入随机性，防止过度平滑。

我在实际项目中的经验是：对于大多数中等规模的图，2到3层消息传递配合残差连接已经足够。如果任务确实需要更大范围的感受野，与其加深层数，不如考虑使用图池化操作来构建层次化结构，或者使用虚拟节点来缩短远距离节点之间的路径。

4. 消息传递在真实场景中的落地经验

4.1 推荐系统中的用户-商品二部图建模

推荐系统是消息传递图神经网络最典型的应用场景之一。用户和商品构成一张二部图，用户与商品之间的交互（点击、购买、收藏）构成边。消息传递的过程就是：用户节点从交互过的商品节点收集信息，商品节点从交互过它的用户节点收集信息，多轮传播后，用户和商品的表示都融合了高阶协同信号。

在这个场景中，有几个设计决策非常关键。第一是边权重的处理。不同的交互类型（点击vs购买）应该有不同的权重，购买显然比点击更能反映用户偏好。可以在消息函数中把交互类型作为边特征纳入计算，或者直接给不同类型的边赋予不同的权重系数。第二是负采样的策略。训练时需要正样本（真实交互）和负样本（未交互），负样本的选取直接影响模型效果。常用的做法是按照 popularity 采样，即热门商品被选为负样本的概率更高，这样能防止模型学到“热门商品就是好”的捷径。

第三是时间信息的融入。用户兴趣随时间变化，早期的交互和近期的交互应该有不同的影响。可以在消息函数中加入时间衰减因子，让近期交互的消息权重更大。具体实现时，可以把时间差作为一个特征输入到消息函数中，让模型自动学习时间衰减的模式。

4.2 风控场景中的异常检测与关系推理

风控场景中的数据天然就是图结构：用户、设备、IP、银行卡等实体构成节点，它们之间的关联关系构成边。异常行为往往不是孤立的，而是表现为一组关联实体之间的异常模式。比如一个欺诈团伙可能共用同一台设备、同一个IP段，这些实体在图上会形成密集的子图。

消息传递在这个场景中的价值在于，它能让每个实体节点聚合到其邻居的信息，从而捕捉到局部子图的异常模式。一个正常的用户节点，其邻居通常是多样化的、分散的；而一个欺诈团伙中的节点，其邻居往往高度重叠、形成紧密的簇。通过多轮消息传递，这种局部结构信息会被编码到节点表示中，后续用简单的分类器就能识别出异常节点。

这个场景中有一个特殊的挑战是标签极度不平衡。异常样本通常只占总量的极小比例，直接训练会导致模型偏向多数类。常用的应对策略包括：在损失函数中使用类别权重，对少数类样本赋予更高的权重；使用 focal loss 让模型更关注难分类的样本；以及在消息传递过程中引入异常感知的聚合机制，让模型学会区分正常邻居和异常邻居的消息。

4.3 知识图谱补全中的关系感知消息传递

知识图谱由三元组构成，消息传递在知识图谱补全任务中的核心挑战是如何处理关系类型。同一个实体在不同关系下应该有不同的表示，比如“某导演”在“导演了”关系下和“出生于”关系下的表示应该有所区别。

关系感知的消息传递有两种主流实现方式。第一种是关系特定的权重矩阵，即为每种关系类型维护一个独立的变换矩阵，消息函数根据边的类型选择对应的矩阵。这种方式表达能力强，但参数量随关系类型数量线性增长，在关系类型很多时会导致参数爆炸。第二种是关系嵌入的交互方式，把关系类型的嵌入向量与节点特征做交互（比如拼接后过线性层，或者做双线性变换），参数量与关系类型数量无关，但表达能力稍弱。

我在实际项目中的经验是：如果关系类型数量在几十到几百的量级，关系特定权重矩阵是可行的；如果关系类型上千甚至上万，建议使用关系嵌入的交互方式，或者对关系类型做聚类，把相似的关系归为一类共享参数。

5. 训练技巧与常见问题排查

5.1 邻居采样：大规模图上的必选项

当图的规模达到百万甚至亿级节点时，全图的消息传递在计算上不可行，因为每个节点的邻居数量可能成千上万，一轮传播就要处理海量的边。邻居采样是解决这个问题的标准方案：每个节点在每轮传播时只随机采样固定数量的邻居，而不是使用全部邻居。

邻居采样的核心参数是采样数量。采样太少，聚合结果方差大，模型不稳定；采样太多，计算开销大，失去采样的意义。我的经验是：对于大多数场景，每层采样10到15个邻居是一个合理的起点。如果邻居度数分布极度倾斜（少数节点有大量邻居），可以考虑分层采样——高度节点多采一些，低度节点少采一些。

采样带来的一个副作用是训练时的邻居集合和推理时的邻居集合不一致。训练时用的是采样子图，推理时如果也用采样，结果会有随机性；如果用全邻居，又和训练时的分布不匹配。常见的做法是推理时也使用采样，但采样多次取平均，或者使用所有邻居但配合一些近似计算技巧。

5.2 过拟合与正则化策略

图神经网络同样面临过拟合问题，尤其是在标注数据有限的情况下。除了常规的权重衰减和Dropout，图神经网络还有几种特有的正则化手段。

DropEdge是我最常用的图正则化方法。它的做法是在每轮训练时随机丢弃一定比例的边，相当于对图结构做数据增强。这不仅能防止过拟合，还能缓解过平滑问题，因为丢弃边之后节点之间的信息流动被随机打断，表示不容易趋同。DropEdge的丢弃比例通常设置在0.1到0.3之间，太高会导致信息不足，太低则效果不明显。

另一个有效的手段是节点特征掩码。类似于BERT中的masked language model，随机把一部分节点的特征置零，让模型学会从邻居信息中恢复被掩码的特征。这种自监督的预训练方式在标注数据少的时候特别有用，可以先在大规模无标注图上预训练，再在小规模标注数据上微调。

5.3 梯度消失与层数选择的平衡

消息传递层数增加时，梯度消失是一个需要关注的问题。原因在于，每一层的更新都涉及非线性激活，多层的非线性复合会导致梯度在反向传播时逐渐衰减。当层数超过5层时，底层参数的梯度可能已经小到无法有效更新。

缓解梯度消失的方法包括：使用残差连接，让梯度可以通过跳跃连接直接回传；使用LayerNorm或BatchNorm对每层的输出做归一化，稳定梯度分布；使用GELU或Swish等更平滑的激活函数，它们的梯度在负半轴不为零，比ReLU更不容易出现神经元死亡。

层数选择上，我的建议是从2层开始，逐步增加到3层、4层，观察验证集性能的变化。如果增加到4层后验证集性能不再提升甚至下降，说明已经到达了当前图结构和任务的容量上限，继续加深没有意义。这时候应该把精力放在其他维度上，比如改进聚合函数、引入边特征、增加注意力机制等。

6. 消息传递机制的变体与扩展方向

6.1 异构图上的消息传递

现实世界中的图往往是异构图，即包含多种类型的节点和边。比如学术网络中，作者、论文、会议是三种不同类型的节点，作者-论文之间是“撰写”关系，论文-会议之间是“发表于”关系。在异构图上做消息传递，需要为每种关系类型设计独立的传播路径，或者使用元路径来指导消息传递。

元路径是异构图上的一种高阶关系描述，比如“作者-论文-作者”表示两个作者通过合作论文相连。基于元路径的消息传递会先沿着元路径提取子图，然后在子图上做消息传递。这种方式的优点是能捕捉到语义明确的远程关系，缺点是元路径需要人工设计，而且不同元路径之间的融合方式也需要仔细调整。

6.2 动态图上的消息传递

很多实际场景中的图是动态演化的，节点和边会随时间增加、删除或改变属性。在动态图上做消息传递，需要把时间维度纳入考虑。一种做法是把图按时间切片，每个时间片独立做消息传递，然后用RNN或Transformer来建模时间片之间的演化。另一种做法是在消息函数中加入时间编码，让模型自动学习时间对信息传播的影响。

动态图消息传递的一个关键挑战是如何处理新出现的节点。新节点没有历史交互记录，其表示只能从当前时间片的邻居信息中获取。这时候可以考虑使用元学习的方法，让模型学会“如何快速适应新节点”，或者使用归纳式的消息函数，确保模型能处理训练时未见过的节点。

6.3 与Transformer的融合趋势

最近几年，图神经网络和Transformer的融合是一个明显的趋势。Transformer的核心是自注意力机制，它本质上可以看作是在全连接图上做消息传递——每个节点与所有其他节点都有边，注意力权重就是边上的消息权重。这种视角下，图神经网络可以看作是Transformer在稀疏图结构上的推广，而Transformer可以看作是图神经网络在全连接图上的特例。

融合的方向主要有两个。一是把Transformer的注意力机制引入图神经网络，用注意力来替代固定的聚合函数，这就是图注意力网络的核心思想。二是把图结构引入Transformer，用图上的稀疏连接来替代全连接注意力，降低计算复杂度。这两种方向都在实际项目中展现出了不错的效果，具体选择哪种取决于你的图结构和任务特点。

7. 一些踩过的坑和实操心得

第一个坑是关于自环边的处理。在消息传递中，节点是否需要把自己的信息也聚合进来？如果聚合函数是求和，不加自环的话，节点的新状态只包含邻居信息，自己的信息完全丢失。常见的做法是在边索引中加入自环边，即每个节点有一条指向自己的边。但自环边的消息函数是否需要和普通边不同？我的经验是：如果更新函数中有门控机制或残差连接，自环边可以不加，因为节点自身的信息已经通过更新函数保留了；如果更新函数是直接替换，那自环边必须加。

第二个坑是关于特征归一化的时机。节点特征在输入消息传递层之前是否要做归一化？如果特征尺度差异很大，不做归一化会导致训练不稳定。但如果在每一层之后都做归一化，又可能过度平滑。我的做法是：输入层之前做一次归一化，中间层不做，最后一层之后根据任务需要决定是否归一化。如果任务是节点分类，最后一层之后通常不需要归一化；如果是相似度计算，最后一层之后做L2归一化能让余弦相似度更稳定。

第三个坑是关于批次大小的选择。图神经网络的批次大小和传统神经网络不同，因为一个批次中的节点可能共享邻居，批次太大会导致内存爆炸。我的经验是：对于中等规模的图，批次大小设置在32到128之间比较合适；对于大规模图，使用邻居采样后批次可以适当增大，但要注意采样后的子图大小而不是节点数量。

第四个坑是关于评估指标的选取。节点分类任务中，准确率在类别不平衡时会有误导性，应该同时看F1分数和AUC。链接预测任务中，MRR和Hits@K比准确率更能反映排序质量。我在早期项目中曾经只盯着准确率调参，结果模型在少数类上表现极差，上线后才发现问题。后来养成了习惯：每次评估至少看三个指标，确保模型在不同维度上都表现合理。

消息传递图神经网络这个方向，从最初的理论框架到现在的工程实践，已经积累了相当多的经验和方法。我个人的体会是，理解三个核心函数的设计逻辑是入门的关键，而在实际项目中，数据构建、邻居采样、正则化策略这些工程细节往往比模型结构本身更能决定最终效果。如果你正在做图相关的项目，建议先从简单的2层消息传递加求和聚合开始，跑通之后再逐步引入注意力、门控、残差等机制，每加一个机制都验证它是否真的带来了提升，避免过度设计。