0. Node embedding 복습 정의 내려야 할 것 3가지 인코더 함수 : $Enc(v)=Z_v$ 그래프에서의 유사도 정의 임베딩 공간에서의 유사도 정의 그래프에서의 유사도는 랜덤워크나 딥워크 등을 통해 정의할 수 있다. 임베딩 공간에서의 유사도는 두 벡터의 내적으로 간주했다(이를 디코더라고 부르기로 함). 인코더 함수의 경우 앞서 Shallow Encoding을 통해 구현하였는데, 여기에는 몇가지 문제점이 있다. 각 노드 별로 개별적인 임베딩 벡터를 가지다 보니 노드의 수가 매우 많아진다면 파라미터의 수가 기하급수적으로 늘어나게 된다. 흑습 시 사용되지 않은 노드는 Look-up table에 존재하지 않기 때문에 inference과정에서 사용할 수 없다. 노드의 변수들이 사용되지 않는다. (그래프의 구조적 정보만 활용함) 1. Deep Graph Encoders : GNN GNN은 그래프에 직접 적용할 수 있는 신경망

참고글: 링크텍스트 참고강의 : CS224W 그래프는 무엇인가? 정의 그래프는 점들과 그 점들을 잇는 선으로 이루어진 데이터 구조이다. 관계나 상호작용을 나타내는 데이터를 분석할 때 주로 쓰인다. > 정의 > V : 점 집합, E: 두 점을 잇는 선 집합 > G=(V,E) 이 그래프는 G=({1,2,3},{{1,2},{2,3},{1,3}})으로 정의할 수 있다. 그래프의 자료 구조 그래프는 node(= vertex)와 edg