グラフ構造を畳み込むGCNをLSTMを使って改良する\
参照論文
https://arxiv.org/pdf/1609.02907.pdf
GCN ではグラフを隣接行列とラプラシアン行列として表現する.
そこでで単にこれらの行列を畳み込むのではなく,まず出力と入力
の次元が同じLSTMにこれらの行列を通せば、よりグラフのつながりを
表現できるのではないかと考えた。
データセットとしてはnetworkXに付属しているkarate_clubを使っている\
結果は以下のとおり
lstmを組み込んだほうが大幅に損失の減少が早くなる.\
GCNではラプラシアン行列を用いる関係上、有向グラフの表現が難しいが、
LSTMを用いれば、それもうまく表現できるかもしれない