Graph neural network | AI slovník

Odborná definícia

Graph neural network je neurónová architektúra určená pre dáta reprezentované uzlami, hranami a ich atribútmi. Typická message passing vrstva vytvorí správy zo susedov, agreguje ich operáciou nezávislou od poradia a aktualizuje stav uzla. Opakovaním vrstiev sa rozširuje dosah informácie. GNN rieši klasifikáciu uzlov, predikciu hrán, odporúčanie aj úlohy na celom grafe. Výsledok závisí od konštrukcie grafu a dostupných hrán. Príliš veľa vrstiev môže viesť k oversmoothingu, dlhé vzdialenosti k oversquashingu a nesprávne časové hrany k úniku budúcich informácií.

Zrozumiteľné vysvetlenie

Pri podvodoch nestačí poznať vlastnosti jedného účtu. Dôležité je, s kým obchoduje, cez ktoré zariadenia a ako sa vzťahy prepájajú. GNN nechá každý uzol získať správu od susedov a postupne vytvorí reprezentáciu jeho okolia. Po dvoch vrstvách môže účet obsahovať informáciu o susedoch susedov. Graf však nie je automaticky pravdivý model sveta. Ak hrany spájajú ľudí iba podľa spoločnej IP adresy, môžu zlúčiť rodinu, kanceláriu aj verejnú sieť. Kvalita predikcie preto stojí na definícii uzlov, časovom režime a pravidlách tvorby vzťahov.

Časté otázky

Aké vstupy potrebuje GNN?

Grafovú štruktúru a podľa úlohy vlastnosti uzlov, hrán alebo celého grafu. Chýbajúce atribúty možno nahradiť naučenými embeddingmi, no samotná konektivita musí mať vecný význam.

Aké výstupy môže GNN produkovať?

Triedu alebo regresiu pre uzol, pravdepodobnosť hrany, embedding, odporúčanie alebo predikciu pre celý graf, napríklad vlastnosť molekuly. Readout vrstva agreguje uzly pri grafovej úlohe.

Prečo je konštrukcia grafu kritická?

Hrana určuje, kadiaľ sa šíri informácia. Falošné väzby miešajú nesúvisiace entity, chýbajúce väzby oddeľujú relevantný kontext a časovo nesprávne väzby môžu prezradiť budúcnosť.

Čo je oversmoothing?

Po mnohých message passing vrstvách sa reprezentácie susedných uzlov stanú príliš podobné a model stráca schopnosť rozlišovať. Pomáhajú reziduálne spojenia, normalizácia a obmedzená hĺbka.

Ako sa GNN hodnotí bez úniku hrán?

Rozdelenie dát musí rešpektovať čas, entity a spôsob tvorby grafu. Pri link prediction sa odstránia cieľové hrany a preverí sa, či pomocné atribúty neobsahujú rovnakú informáciu nepriamo.

Súvisiace pojmy

Zdroje a redakčná stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.