style: html to md syntax

4.人工智能/4.7图网络略述（intro&GCN）.md

@@ -8,7 +8,7 @@
 
 在周志华的机器学习一书半监督学习章节中，有对基本的图学习策略进行基本的描述，详见我为了应付课程考试整理的[图半监督学习](http://blog.cyasylum.top/index.php/2020/07/05/%E5%9B%BE%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/)。其基本思路是这样的，通过”样本距离度量“刻画获取样本之间的联系，将样本嵌入到“图”，即样本即其关系的集合中。后通过图将半监督学习中有标记样本的标签对未标记样本进行传递，从而获取未标记样本的属性，进行学习。
 
-如此，便定下来图网络的基本思路，即通过<em>信息在图上的传递</em>，迭代学习知识。有了这样的基础，我们便可以开始对图网络进行讨论了。
+如此，便定下来图网络的基本思路，即通过*信息在图上的传递*，迭代学习知识。有了这样的基础，我们便可以开始对图网络进行讨论了。
 
 接下来，我们从最基础的部分来讲讲，信息是如何在图上进行传播的。
 
@@ -55,7 +55,7 @@ $$
 
 现在，我们可以尝试用$\mathbf{L}$对图进行表示了。
 
-另外还有个<em>随机游走归一化拉普拉斯矩阵</em>
+另外还有个*随机游走归一化拉普拉斯矩阵*
 $$
 \mathbf{L}^{sym}=\mathbf{D}^{-1}\mathbf{L}=\mathbf{I}-\mathbf{D}^{-1}\mathbf{A}
 $$