เปรียบเทียบวิธี

	Graph Attention Network	การจัดกลุ่มแบบลำดับชั้น
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2018	1963
ผู้ริเริ่ม	Veličković, P. et al.	Ward, J. H.
ประเภท	Graph neural network (attention-based)	Unsupervised clustering (agglomerative)
แหล่งต้นตำรับ	Veličković, P. et al. (2018). Graph Attention Networks. ICLR.	Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244.
ชื่อเรียกอื่น	Graf Dikkat Ağı (GAT), GAT, graph attention network, attention-based graph neural network	Hiyerarşik Kümeleme, hiyerarşik kümeleme, agglomerative clustering, hierarchical agglomerative clustering
ที่เกี่ยวข้อง	4	4
สรุป	The Graph Attention Network (GAT), introduced by Veličković and colleagues in 2018, is a graph neural network variant that learns how much importance to assign to each neighbouring node through a self-attention mechanism. On heterogeneous neighbourhoods and relational classification it produces results superior to graph convolutional networks (GCN).	Hierarchical clustering is an unsupervised method that groups observations into nested clusters and draws the result as a dendrogram, so the number of clusters need not be fixed in advance. Its agglomerative form rests on the objective-function grouping criterion introduced by Joe Ward in 1963.