شبکه عصبی گراف — GCN / GAT / GraphSAGE
یک شبکه عصبی گراف (GNN) یک معماری یادگیری عمیق است که مستقیماً بر روی دادههای ساختاریافته گراف با ترکیب ویژگیهای گره با اطلاعات ساختاری از طریق انتشار پیام همسایگی تکراری عمل میکند. سه نوع اصلی — شبکه عصبی کانولوشنال گراف (GCN) معرفی شده توسط کیپف و ولینگ در سال ۲۰۱۷، شبکه عصبی توجه گراف (GAT) معرفی شده توسط ولیچکوویچ و همکاران در سال ۲۰۱۸، و GraphSAGE — در نحوه تجمیع اطلاعات همسایگان متفاوت هستند: GCN یک کانولوشن طیفی را بر روی کل مجاورت اعمال میکند، GAT همسایگان را با امتیازات توجه آموخته شده وزندهی میکند، و GraphSAGE محلههای محلی را به صورت استقرایی نمونهبرداری و تجمیع میکند و امکان تعمیم به گرههای دیدهنشده را فراهم میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
منابع
- Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1609.02907 ↗
- Veličković, P., Cucurull, G., Casanova, A., Romero, A., Liò, P., & Bengio, Y. (2018). Graph Attention Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1710.10903 ↗
- Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/fa/network-analysis/graph-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحلیل مرکزیتتحلیل شبکه↔ compare
- آشکارسازی جامعهتحلیل شبکه↔ compare
- تحلیل شبکه چندلایهایتحلیل شبکه↔ compare
- تعبیه شبکهتحلیل شبکه↔ compare
- تحلیل شبکه زمانیتحلیل شبکه↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →