阅读的文章是2019年发表的《Capsule Graph Neural Network》。在GCN中标量节点不足以有效保留图的完整属性，这可能会使图嵌入的性能达不到最优。而胶囊图神经网络在GCN提取节点特征的基础上，以向量的形式提取特征，这样可以在生成图嵌入的时候更有效的保存信息。此外，一个图可以表示为多个嵌入，每个嵌入都可以捕获不同方面的图属性。生成的图形和类封装不仅可以保留与分类相关的信息，还可以保留关于图属性的其他信息。胶囊图神经网络跟适合处理大型数据集，在社交数据集上效果最好。
胶囊图神经网络在融合两个GCN和CapsNET两个网络时有很多细节工作，例如需要使用注意力模型来解决图的大小不一的问题。我认为这些细节部分可能存在一些可以优化的地方。除了融合两个模型的部分，似乎也可以尝试从一些角度分别优化GCN和CapsNet，以使得CapsGNN模型整体效果更好。
