Redes Neuronales de Grafos — GCN / GAT / GraphSAGE

Una Red Neuronal de Grafos (GNN) es una arquitectura de aprendizaje profundo que opera directamente sobre datos estructurados en grafos, combinando las características de los nodos con información estructural a través de la propagación iterativa de mensajes del vecindario. Las tres variantes canónicas — la Red Convolucional de Grafos (GCN) introducida por Kipf y Welling en 2017, la Red de Atención de Grafos (GAT) introducida por Veličković et al. en 2018, y GraphSAGE — difieren en cómo agregan la información del vecindario: GCN aplica una convolución espectral sobre la adjacencia completa, GAT pondera a los vecinos con puntuaciones de atención aprendidas, y GraphSAGE muestrea y agrega vecindarios locales de forma inductiva, permitiendo la generalización a nodos no vistos.