Why Graph?
시작하기에 앞서
이번 포스팅은 Graph Neural Network, GNN, 즉 Graph를 이용한 신경망에 대해 작성할 것 입니다.
Stanford의 강의 CS224W를 기반으로 작성되며 강의 내용을 정리하는 식으로 포스팅을 진행 할 생각 입니다.
1. 왜 그래프인가?
-
위 그림들 처럼 많고 복잡한 자연현상들을 Relational Graph로 표현하는 것이 가능합니다.
-
기존의 Deep Learning은 Sequence 나 Grid, 즉 텍스트나 이미지에 특화되어 있습니다만 모든 것을 Sequence나 Grid로 표현 할 수는 없습니다.
-
그렇기 때문에 그래프로 표현된 모델의 관계를 이용하여 더 좋은 예측 성능을 얻는 것이 GNN의 목표 입니다.
그래프는 실제 관계 및 상호작용을 묘사하거나 분석하기에 알맞은 언어이다.
2. 왜 Graph Deep Learning이 어려운가?
-
기존의 Text와 Image를 학습하는 모델과는 다르게 Network가 복잡하기 때문입니다.
-
이를 고정된 노드 순서가 없다고 표현합니다.
3. GNN으로 해결 가능한 다양한 task
GNN은 다양한 Level의 task들이 존재합니다.
- Node level task를 활용하여 의약 분야에서 주로 활용하는 Protein folding을 예측하기도 하며
- Edege level task를 활용하여 추천시스템을 구성할 수도 있으며
- Subgraph level task를 활용하여 교통 상황 분석, 예측을 할 수 도 있으며
- Graph level task를 활용하여 신약을 발견, 예측하거나 node와 edge를 정의하여 발전된 물리 시뮬레이션으로 활용을 기대 할 수도 있습니다.
자세한 내용들은 추후에 다룰 예정이며 우선은 Graph를 활용한 ML task가 다양하게 정의 될 수 있음을 인지하고 있으면 합니다.
마치며
이번 포스팅에서는 왜 요즘 Graph가 ML분야에서 HOT한지, 무었을 가능한지 에 대해 알아보았습니다.
CS224W의 1강과 2강에 해당하는 내용이며 특별히 중요한 내용은 아직 나오지 않았기에 최대한 간략하게 설명해 보았습니다.
