Grafu neironu tīkls — GCN / GAT / GraphSAGE

Grafu neironu tīkls (GNN) ir dziļās apmācības arhitektūra, kas darbojas tieši uz grafu struktūras datiem, apvienojot mezglu (node) iezīmes ar strukturālo informāciju, izmantojot iteratīvu ziņojumu pārsūtīšanu starp kaimiņiem. Trīs kanoniskās variācijas — Graph Convolutional Network (GCN), ko 2017. gadā ieviesa Kipf un Welling, Graph Attention Network (GAT), ko 2018. gadā ieviesa Veličković et al., un GraphSAGE — atšķiras veidā, kādā tās apkopo kaimiņu informāciju: GCN piemēro spektrālo konvolūciju visai adjacencijai, GAT piešķir svaru kaimiņiem, izmantojot apgūtus uzmanības (attention) koeficientus, bet GraphSAGE izlases veidā atlasa un apkopo lokālos kaimiņus induktīvi, nodrošinot vispārināšanu uz neredzētiem mezgliem.