Graph Neural Networks: A Review of Methods and Applications

[Shumpei-Kikuta]

Publication

Zhou, Jie, et al. "Graph Neural Networks: A Review of Methods and Applications." arXiv preprint arXiv:1812.08434 (2018).

Contents

Why Graph neural network

画像やテキストとの関係

画像はグラフデータの１つのインスタンスに過ぎない，画像のように，グラフは隣接関係を持つ．

CNNの強さ

CNNは重み共有，多層化の恩恵など様々な強さを持つ．

しかし，畳み込み演算は，グラフデータに対しては，簡単に適用できない．

• それぞれのノードが持つ隣接ノード数が異なること。 →畳み込み演算を行う際には、画像データが隣接ピクセルを8つ持つように、決められた数でなければならない。
• 隣接ノードのランクをつけること。 →隣接ノード数を固定しても、それらに順位をつけないと、並べることができない。

これらの問題を克服したモデルが多数提案されている．

VS Graph embedding

What

ネットワークエンベッティングは，ノードやエッジの低次表現を得るものとして，大成功を収めた． ただし，問題点として以下が考えられる．

• 重みがシェアされていないため，学習に時間がかかる．
• 表現の一般性を欠き，ダイナミックグラフなどに対して適用できない．