Graph Neural Network (GNN)

Graph Neural Network (GNN)

그래프 구조 데이터(노드/엣지)에서 메시지 패싱으로 노드 임베딩을 학습하는 신경망

특징: 메시지 패싱, 이웃 집계, 비유클리드 데이터, Permutation Invariant

구성요소: 그래프 G=(V,E), 노드 임베딩 h, 집계 함수(Mean/Sum/Attention), 업데이트 함수(MLP+ReLU)

레이어 동작: 이웃 임베딩 수집 → 집계(AGG) → 업데이트(σ(W·[h||m])) → 다층 반복(멀티홉)

대표 모델: GCN(평균 집계/스펙트럴), GraphSAGE(Sampling/Inductive), GAT(Attention/Multi-Head), GIN(합 집계/WL Test)

태스크: 노드 분류(소셜 네트워크), 그래프 분류(분자 속성), 링크 예측(추천/친구), 그래프 생성(약물 설계)

장점: 그래프 구조 직접 학습, 관계 정보 활용, Inductive(새 노드)

단점: Over-Smoothing(깊은 레이어), 대규모 확장성, Heterogeneous Graph 어려움

적용사례: 소셜 네트워크, 분자 구조(약물 발견), 추천 시스템, 교통 예측

비교: GCN(평균) vs GraphSAGE(Sampling) vs GAT(Attention) vs GIN(합)

연관: 그래프 이론, Attention, 추천 시스템, 분자 구조 예측