Process / pipeline
그래프 신경망 — GCN / GAT / GraphSAGE
그래프 신경망(GNN)은 노드 특징과 구조적 정보를 반복적인 이웃 메시지 전달을 통해 결합하여 그래프 구조 데이터에 직접 작동하는 딥러닝 아키텍처입니다. 2017년 Kipf와 Welling이 소개한 그래프 컨볼루셔널 네트워크(GCN), 2018년 Veličković 등이 소개한 그래프 어텐션 네트워크(GAT), 그리고 GraphSAGE라는 세 가지 대표적인 변형은 이웃 정보를 집계하는 방식에서 차이가 납니다. GCN은 전체 인접성에 스펙트럼 컨볼루션을 적용하고, GAT는 학습된 어텐션 점수로 이웃의 가중치를 부여하며, GraphSAGE는 귀납적으로 로컬 이웃을 샘플링하고 집계하여 보지 못한 노드에 대한 일반화를 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/ko/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.
- 중심성 분석네트워크 분석↔ compare
- 커뮤니티 탐지네트워크 분석↔ compare
- 다층 네트워크 분석네트워크 분석↔ compare
- 네트워크 임베딩네트워크 분석↔ compare
- 시간적 네트워크 분석네트워크 분석↔ compare