2022. 6. 25. 15:21ㆍ관심있는 주제/GNN
Directed Graph
정점(Vertex)를 연결하는 간선(Edge)에 방향성을 부여한 그래프
Homogeneous Graph
Homogeneous graph는 그래프의 모든 노드가 같은 성질을 갖고 있는 그래프이다. 예를 들어, 인물 관계도가 있다면 모든 노드는 사람을 의미하는 homogeneity를 갖는다.
1. 모든 노드가 하나의 정보를 가진다.
2. 엣지는 하나의 관계 타입을 가진다.
3. 노드들 사이에서 유사성을 정의하기 쉽다.
4. 링크 예측이나 노드 분류 그래프 임베딩을 하는데, 효율적이다.
Heterogeneous Graph
Heterogeneous graph는 반대로 그래프의 노드가 여러 종류의 성질을 가지는 그래프이다. 예를 들어 영화-유저 그래프는 어떤 노드는 영화이고, 어떤 노드는 유저를 의미하는 heterogeneity를 갖는다.
1. 노드가 다양한 타입을 가질 수 있다.
2. 엣지는 여러 타입의 관계를 가질 수 있다.
3. 노드들 사이에 유사성을 정의하기가 어렵다.
4. 몇 개의 GNN 구조만 Heterogeneous 형태에 대해서 잘 작동한다.
Edge Informative Graph
//
Dynamic Graph
동적 그래프에서 새로운 노드는 기존 노드와 링크를 형성 및 생성하거나 노드가 사라져 기존 링크를 종료할 수 있습니다.
소셜 네트워크의 간단한 예를 사용하여 동적 그래프를 이해할 것입니다.
5명의 사람이 있다고 하면, 시간이 지남에 따라 새로운 엣지가 연결되거나 제거되기도 하고 노드가 추가되는 것들과 같은 것들이 dynamic graph라고 한다고 한다.
관련 자료
https://web.stanford.edu/class/archive/cs/cs166/cs166.1146/lectures/17/Small17.pdf
https://velog.io/@thecho7/Graph-Neural-Network-3
https://slidetodoc.com/neural-networks-for-processing-heterogeneous-graphs-federica-baccini/
'관심있는 주제 > GNN' 카테고리의 다른 글
논문) β-Skeleton 그래프와 GCN을 활용한 문서 읽기 순서 예측 (0) | 2024.10.12 |
---|---|
[내용 정리] Graph Structure Learning: 왜 중요한가, 무엇이 좋은가? (2) | 2024.10.12 |
hyper graph 관련해서 도움이 되는 글들 (0) | 2022.05.08 |
Python) Cora dataset을 활용하여 Link Prediction (4) | 2022.01.29 |
Python) Fraud detection with Graph Attention Networks (0) | 2022.01.28 |