Graph Neural Network — GCN / GAT / GraphSAGE

Ein Graph Neural Network (GNN) ist eine Deep-Learning-Architektur, die direkt auf graphenstrukturierten Daten operiert, indem sie Knotenmerkmale mit strukturellen Informationen durch iterative Nachbarschafts-Nachrichtenweitergabe kombiniert. Die drei kanonischen Varianten – das Graph Convolutional Network (GCN), eingeführt von Kipf und Welling im Jahr 2017, das Graph Attention Network (GAT), eingeführt von Veličković et al. im Jahr 2018, und GraphSAGE – unterscheiden sich darin, wie sie Nachbarinformationen aggregieren: GCN wendet eine spektrale Faltung über die vollständige Adjazenz an, GAT gewichtet Nachbarn mit gelernten Aufmerksamkeitswerten und GraphSAGE sampelt und aggregiert lokale Nachbarschaften induktiv, was eine Generalisierung auf ungesehene Knoten ermöglicht.