圖神經網路
GNN是圖神經網路(Graph Neural Network)的縮寫。
GNN是一種專門用於處理圖結構數據的神經網路模型。在圖結構數據中，節點通常表示對象，邊表示對象之間的關係。GNN通過將神經網路與圖結構相結合，能夠更好地理解圖中的結構和模式。GNN的核心思想是將節點的信息從其鄰居節點中聚合起來，並使用這些聚合信息來更新節點的表示。這個過程通過多輪疊代來完成，每一輪都更新節點的表示，以便更好地捕捉節點之間的關係。GNN的基本組成部分包括節點表示、聚合函式、圖卷積層和多層結構。GNN在各種領域中都有廣泛的套用，包括社交網路分析、節點分類、連結預測、推薦系統、圖像分析中的人體姿態估計、分子圖譜分析等。由於其強大的能力來處理圖結構數據，GNN已成為深度學習領域的一個重要分支，吸引了大量的研究和套用。一些常見的GNN模型包括Graph Convolutional Networks（GCN）、GraphSAGE、Gated Graph Neural Networks（GGNN）等。