2. 시작하기 전...
● GCN(Graph Convolutional Network)에 대한 이야기가 아닙니다
○ 추후에 볼 예정…
● GNN의 기본 컨셉에 대해서만 다룹니다
3. Graph Neural Network란?
● Graph 데이터 구조를 위한 Neural Network
○ 입력: Graph
○ 출력: Label
■ 숫자(0.95, 0.81, 0.4, …)
■ 라벨링 (Protein, Carbon-dioxide, etc.)
■ 분류 (Drug/Not Drug, etc.)
4. 왜 Graph Neural Network?
● 다양한 관계에 대한 이해를 위한 구조
○ RNN의 경우 Cell간에 Recursive한 관계를 가짐
● 네트워크를 표현하기 위함
○ 자기 자신에 대한 Connection
○ 어떤것들은 연결이 아예 존재하지 않는 경우도 있음
6. Non-Euclidean Space (비 유클리드 공간)
파랑부분의 처음 지점 ~ 붉은부분의 끝지점
● Euclidean 공간에서는 거리가 계속 변함
○ 거리가 계속 좁혀지는 형태
● Non-Euclidean 공간에서는 거리가 변하지
않음
https://deepmind.com/blog/alphafold/
21. GNN (Graph Neural Network)
● RNN
○ 현재 Cell에 이전 Cell의 정보를 전달하는 방식으로 propagate
● GNN
○ ‘Adjacency’에 대해 고려
■ Adjacency = 1에 대한 정보
■ Adjacency = 2에 대한 정보
■ Adjacency = 3에 대한 정보
■ …
■ Adjacency = n(최대 갯수)에 대한 정보 까지
25. Datasets for GNN
https://github.com/shiruipan/graph_datasets
** Not listed in link, but ‘Zachary’s karate
club’ is a commonly used social network. **
(https://towardsdatascience.com/how-to-do-
deep-learning-on-graphs-with-graph-
convolutional-networks-7d2250723780)