Graf Neurale Nettverk — GCN / GAT / GraphSAGE

Et graf nevralt nettverk (GNN) er en dyp læringsarkitektur som opererer direkte på grafstrukturerte data ved å kombinere nodefunksjoner med strukturell informasjon gjennom iterativ naboskapsmeldingsoverføring. De tre kanoniske variantene — Graph Convolutional Network (GCN) introdusert av Kipf og Welling i 2017, Graph Attention Network (GAT) introdusert av Veličković et al. i 2018, og GraphSAGE — skiller seg i hvordan de aggregerer naboinformasjon: GCN anvender en spektral konvolusjon over hele adjasensen, GAT vekter naboer med lærte oppmerksomhetspoeng, og GraphSAGE sampler og aggregerer lokale nabolag induktivt, noe som muliggjør generalisering til usette noder.