Какво е GraphSAGE и защо е необходима извадка на съседите?

GraphSAGE (Обхват и агрегиране на графи) е метод за обучение на представяния (вграждания) на възли в графи чрез невронни мрежи. За разлика от класическите GNN, които използват всички съседни възли за агрегиране на информация, GraphSAGE прилага извадка (sampling) на съседите, за да направи обучението мащабируемо на големи графи.

За какво служи извадката на съседите?

• Мащабируемост: В големи графи възел може да има огромен брой съседи, което прави агрегирането на всички тях изчислително скъпо.
• Намаляване на преобучението: Случайният избор на съседи помага да се избегне прекомерното запаметяване на структурата на графа.
• Обобщение: Позволява на модела да учи върху подмножество от съседите, подобрявайки способността за обобщение.

Принцип на работа на GraphSAGE:

1. За всеки възел се избира произволно фиксирано число съседи.
2. Техните вграждания се агрегира (например, чрез средно или с помощта на LSTM).
3. Полученото агрегиране се комбинира с вграждането на самия възел и се подава през невронна мрежа.

Това позволява ефективно обучение на модели върху големи графи с динамична структура.