Process / pipeline

Graph Neural Network — GCN / GAT / GraphSAGE

Graph Neural Network (GNN) คือสถาปัตยกรรม deep learning ที่ทำงานโดยตรงบนข้อมูลที่มีโครงสร้างแบบกราฟ โดยการรวมคุณลักษณะของโหนด (node features) เข้ากับข้อมูลเชิงโครงสร้างผ่านการส่งข้อความแบบวนซ้ำระหว่างเพื่อนบ้าน (iterative neighborhood message passing) รูปแบบหลักสามรูปแบบ — Graph Convolutional Network (GCN) ที่นำเสนอโดย Kipf และ Welling ในปี 2017, Graph Attention Network (GAT) ที่นำเสนอโดย Veličković และคณะ ในปี 2018, และ GraphSAGE — แตกต่างกันในวิธีการรวบรวมข้อมูลจากเพื่อนบ้าน: GCN ใช้การสังวัตนาแบบสเปกตรัม (spectral convolution) บน adjacency matrix แบบเต็ม, GAT กำหนดน้ำหนักให้กับเพื่อนบ้านด้วยคะแนน attention ที่เรียนรู้ได้, และ GraphSAGE สุ่มตัวอย่างและรวบรวม neighborhood เฉพาะที่แบบอุปนัย (inductively) ทำให้สามารถสรุปไปยังโหนดที่ไม่เคยเห็นมาก่อนได้

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

Graph Neural Network

การวิเคราะห์ความเป็นศูนย…การตรวจจับชุมชน การวิเคราะห์เครือข่ายหลา…การฝังตัวของเครือข่าย การวิเคราะห์เครือข่ายเชิ…โครงข่ายประสาทเทียมแบบกร…Graph Kernels Knowledge Graph Embeddin…การแพร่กระจายป้ายกำกับ การทำนายลิงก์

+7 more

แหล่งอ้างอิง

Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1609.02907 ↗
Veličković, P., Cucurull, G., Casanova, A., Romero, A., Liò, P., & Bengio, Y. (2018). Graph Attention Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1710.10903 ↗
Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/th/network-analysis/graph-neural-network

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

การวิเคราะห์ความเป็นศูนย์กลางการวิเคราะห์เครือข่าย↔ compare
การตรวจจับชุมชนการวิเคราะห์เครือข่าย↔ compare
การวิเคราะห์เครือข่ายหลายชั้นการวิเคราะห์เครือข่าย↔ compare
การฝังตัวของเครือข่ายการวิเคราะห์เครือข่าย↔ compare
การวิเคราะห์เครือข่ายเชิงเวลาการวิเคราะห์เครือข่าย↔ compare

Compare side by side →

ถูกอ้างอิงโดย

โครงข่ายประสาทเทียมแบบกราฟที่อธิบายได้Graph Kernels Knowledge Graph Embeddings การแพร่กระจายป้ายกำกับ การทำนายลิงก์Multilingual Graph Neural Network Multimodal Graph Neural Network การวิเคราะห์ความยืดหยุ่นและความเปราะบางของเครือข่าย โครงข่ายประสาทเทียมแบบกราฟกึ่งควบคุม (Semi-supervised Graph Neural Network)การเรียนรู้เชิงลึกเชิงทอพอโลยี การเรียนรู้แบบถ่ายโอนด้วยกราฟโครงข่ายประสาทเทียม Weakly Supervised Graph Neural Network

พบปัญหาในหน้านี้หรือไม่ แจ้งหรือเสนอการแก้ไข →