Process / pipeline
グラフニューラルネットワーク — GCN / GAT / GraphSAGE
グラフニューラルネットワーク（GNN）は、ノード特徴量と構造情報を、反復的な近傍メッセージパッシングを通じて組み合わせることで、グラフ構造化データ上で直接動作する深層学習アーキテクチャです。2017年にKipfとWellingによって導入されたグラフ畳み込みネットワーク（GCN）、2018年にVeličkovićらによって導入されたグラフ注意ネットワーク（GAT）、そしてGraphSAGEの3つの代表的なバリアントは、近傍情報を集約する方法が異なります。GCNは完全な隣接行列に対してスペクトル畳み込みを適用し、GATは学習された注意スコアによって近傍の重みを付け、GraphSAGEは局所的な近傍をサンプリングして集約することで、未知のノードへの一般化を可能にします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/ja/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.
- 中心性分析ネットワーク分析↔ compare
- コミュニティ検出ネットワーク分析↔ compare
- 多層ネットワーク分析ネットワーク分析↔ compare
- ネットワーク埋め込みネットワーク分析↔ compare
- 時間的ネットワーク分析ネットワーク分析↔ compare