GCN / GAT / GraphSAGE

Una Graph Neural Network (GNN) è un'architettura di deep learning che opera direttamente su dati strutturati a grafo, combinando le feature dei nodi con informazioni strutturali attraverso un passaggio iterativo di messaggi tra vicini. Le tre varianti canoniche — la Graph Convolutional Network (GCN) introdotta da Kipf e Welling nel 2017, la Graph Attention Network (GAT) introdotta da Veličković et al. nel 2018, e GraphSAGE — differiscono nel modo in cui aggregano le informazioni dei vicini: la GCN applica una convoluzione spettrale sull'intera adiacenza, la GAT pondera i vicini con punteggi di attenzione appresi, e GraphSAGE campiona e aggrega vicinanze locali in modo induttivo, consentendo la generalizzazione a nodi non visti.