通过阅读Graph Convolutional Neural networks intro into GCNNs的技巧，高级目标/任务似乎被淡化了，我想清楚，简洁地理解它所促进的高级目标和任务。它是否支持对存在拓扑（邻接矩阵）和分类标签的特征向量的节点进行社区检测/标记？随着网络科学研究的探索，标记二进制分类中的节点的主要任务是吗？
马克·纽曼（Mark Newman）和亚伦·克劳瑟（Aaron Clauset）共同撰写的一篇论文描述了如何在给定表征其特征的一组特征（它们称为“元数据”）的情况下，如何为拓扑网络内的节点分配二进制类别（社区ID）标签：Newman,Clauset 2016。
GCNN提供的 ELI5 描述是什么？在CNN的背景下，标记图像以区分猫和狗的任务很简单。 GCNN是否基于网络拓扑和节点功能（带注释的元数据）来实现向网络中所有节点提供社区标签的任务？他们是为缺少的社区标签的子集提供标签，还是可能为已知社区标签值的新节点填充要素？