Graph Reasoning（图推理）

图推理的核心是学习节点表示并利用图结构进行推断。早期方法基于规则和逻辑，现代方法多采用图神经网络（GNN），通过聚合邻居信息更新节点状态。图推理可分为直推式（transductive）和归纳式（inductive），前者在固定图上推理，后者可泛化到新节点。在知识图谱中，图推理用于链接预测和查询回答；在视觉推理中，图结构建模对象关系。挑战包括可扩展性、动态图处理和可解释性。