Sieć neuronowa grafowa — GCN / GAT / GraphSAGE

Sieć neuronowa grafowa (GNN) to architektura głębokiego uczenia, która działa bezpośrednio na danych o strukturze grafu, łącząc cechy węzłów z informacjami strukturalnymi poprzez iteracyjne przekazywanie komunikatów między sąsiadami. Trzy kanoniczne warianty — sieć konwolucyjna grafowa (GCN) wprowadzona przez Kipfa i Wellinga w 2017 r., sieć uwagowa grafowa (GAT) wprowadzona przez Veličkovića i wsp. w 2018 r. oraz GraphSAGE — różnią się sposobem agregacji informacji od sąsiadów: GCN stosuje splot spektralny na pełnej macierzy sąsiedztwa, GAT przypisuje wagi sąsiadom na podstawie nauczonych współczynników uwagi, a GraphSAGE próbkuje i agreguje lokalne sąsiedztwa indukcyjnie, umożliwiając generalizację na nieznane węzły.