【グラフ深層学習】第1章グラフ深層学習：イントロダクション - Qiita

なぜグラフニューラルネットワークなのか？ グラフの汎用性: グラフは、ソーシャルネットワーク、交通ネットワーク、タンパク質間相互作用ネットワーク、知識グラフ、脳のネットワークなど、多様な分野のデータを表現するのに適しています。 グラフ上の計算タスクの取り扱い: 現実世界の多くの問題は、グラフ上の小さな計算タスクの集合として処理できます。例えばノード分類問題やリンク予測問題として扱うことができます。 さらに、グラフ上のノードは他のノードと関連しているため、従来の機械学習手法が適用しにくいという課題があります。これを解決するためには、グラフに特化した新しい仕組みを構築する「集団的分類」や、グラフを平坦化して従来の分類技術を適用するといった2つのアプローチがあります。特に、深層学習は表現学習において大きな可能性を持っていますが、グラフは不規則なデータであり、その構造情報が複雑であるため、従来の深