CS224W 7.1 A General Perspective on Graph Neural Networks

1. General GNN Framework

그래프 신경망을 설계하는 여러 갈래들에 대한 일종의 개요

• (1) 1-layer의 내부관점에서

  • GNN의 single-layer는 2가지 로직으로 구성된다고 생각할 수 있음
    • Message + Aggregation
  • GCN, GraphSAGE, GAT 등의 방식들의 핵심적인 차이점 아래 두가지로 나뉨
    • 집계 개념을 정의하는 방법
    • 메시지 개념을 정의하는 방법

• (2) layer와 layer간의 연결성의 관점에서

  • 그래프 신경망에서 여러 레이어를 어떻게 쌓을 것인가?
    • 순차적으로 쌓을 것인가?
    • 건너뛰기를 사용할 것인가? (skip-connection)

• (3) 계산 그래프(computation graph)를 어떻게 생성할까?

  • input graph 는 계산 그래프가 아니라는 아이디어에서 시작
    • feature augmentation 기존 그래프에 새로운 특징을 추가해서 모델 성능을 향상

      소셜 네트워크 그래프에 있는 각 사용자에 대해 외부 데이터 소스로부터 추가 정보(예: 사용자의 온라인 활동 내역)를 수집하여 그래프에 통합

    • structure manipulation

• (4) 학습하는 방법 측면에서의 차이점 (Learning objective)

  • Supervised/Unsupervised learning
  • Node prediction/Edge prediction/Graph level prediction ...