그래프 신경망 심화 (GNN Advanced - GAT, GraphSAGE)

그래프 신경망 심화 (GNN Advanced - GAT, GraphSAGE)

그래프 구조 데이터에서 이웃 정보 집계로 노드 임베딩을 생성하는 딥러닝 기법

특징: 비유클리드 데이터, 이웃 집계, 메시지 패싱, 구조+속성 동시 학습

주요 아키텍처: GCN(스펙트럴/이웃 평균), GAT(Attention/가중치 학습/Multi-head), GraphSAGE(Sampling/Inductive), GIN(WL Test/최대 표현력), MPNN(일반화 프레임워크)

GAT: 이웃별 어텐션 계수 학습, Multi-head 병렬, 동적 가중치, 해석 가능성

GraphSAGE: 이웃 샘플링으로 확장성, Mean/LSTM/Pooling Aggregator, Inductive(새 노드 임베딩)

학습 방식: Transductive(전체 그래프/고정 노드) vs Inductive(새 노드 일반화)

적용: 소셜 네트워크(친구 추천), 추천(PinSage), 분자/신약, 지식 그래프, 사기 탐지

장단점: 관계 정보 활용/복잡 구조 학습 vs Over-smoothing/확장성/계산 비용

비교: GCN(평균) vs GAT(Attention) vs GraphSAGE(Sampling/Inductive)

연관: 그래프 데이터, 추천 시스템, 지식 그래프, Node2Vec