https://www.bilibili.com/video/BV1RZ4y1c7Co?p=7
传统的ML，输入图之后，获取一些特征描述拓扑特征，并将属性信息输入，一起进行预测。
需要创建structured features，并用学习算法。
获取特征的过程：feature engineering。所以要研究怎么摆脱：用表示学习representation learning，不用人工获取特征。
要进行高效的、和任务无关的表示学习，每个node映射到一个vector（feature representation、embedding），维度d。
similarity of embeddings of nodes show similarity of nodes in the network。
downstream tasks：