【動画講座】Graph Neural Networks Variations and applications

リンク

https://www.youtube.com/watch?v=cWIeTMklzNg

画像

内容

GNNのイメージ

GNNでは,各グラフにラベルを与える.
例えば,$N=40, M=20$のグラフに3というラベルを与えるなどする.

これらのグラフから学習を行うことで

$f(graph) = predict$

のようにグラフを与えることで,予測値が出せるようなモデルを作成することが目的である.

考えとしては,RNN, CNNと似ている.
僕はこれらをちゃんと理解・実装していません.

RNN

RNNは,Recurent Nerural Networkの略で再帰的ニューラルネットワークである.

前から受け取ったメッセージを記憶・メモリを頼りに演算を行い
新しいメッセージとして次のニューロンに渡す構造である.

グラフニューラルネットワーク

グラフニューラルネットワークでは,各ノードにベクトルで情報を与える.
例えば,SNS分析なら各ユーザのデータである.
そして,それらを結ぶエッジにも特徴量を入れて係数とする.

Neo4jに近い.

Propagation

GNNでは,数学的演算を定義する.
Propagationは,周囲のノードからノードの情報をもらいながら,結ぶエッジの係数をかけながら集約するイメージの,伝播操作である.

これは全ノードで同時に行う.

Aggregation

集約操作も行う.
これはPropagationが終わった後,すべてのノードから情報を集めてそれらを足し合わせてReLUなどを入れて判定する.