Graaf Neuraal Netwerk — GCN / GAT / GraphSAGE

Een Graaf Neuraal Netwerk (GNN) is een deep learning-architectuur die direct opereert op graafgestructureerde data door knooppuntkenmerken te combineren met structurele informatie via iteratieve "neighborhood message passing". De drie canonieke varianten — het Graph Convolutional Network (GCN) geïntroduceerd door Kipf en Welling in 2017, het Graph Attention Network (GAT) geïntroduceerd door Veličković et al. in 2018, en GraphSAGE — verschillen in de manier waarop ze buurinformatie aggregeren: GCN past een spectrale convolutie toe over de volledige adjacentie, GAT weegt buren op basis van geleerde aandachts-scores, en GraphSAGE bemonstert en aggregeert inductief lokale buurten, waardoor generalisatie naar ongeziene knooppunten mogelijk wordt.