Τι είναι το Δίκτυο Ομοιότητας Γραφημάτων (GIN);

Το Δίκτυο Ισομορφισμού Γραφημάτων (GIN) είναι ένας τύπος νευρωνικού δικτύου γραφημάτων (GNN) που έχει σχεδιαστεί για την αποτελεσματική διάκριση γραφημάτων. Το GIN βασίζεται στην ιδέα ότι η αρχιτεκτονική του μπορεί να προσεγγίσει τη δύναμη της δοκιμής ισομορφισμού γραφημάτων (δοκιμή Weisfeiler-Lehman), καθιστώντας το πολύ εκφραστικό.

Η κύρια ιδέα του GIN είναι η συλλογή χαρακτηριστικών των γειτονικών κόμβων μέσω άθροισης και η επακόλουθη εφαρμογή ενός πολυεπίπεδου perceptron (MLP). Αυτό επιτρέπει στο δίκτυο να διακρίνει καλύτερα τις δομές των γραφημάτων σε σύγκριση με άλλες μεθόδους συλλογής (π.χ., τον μέσο όρο).

Παράδειγμα της φόρμουλας ενημέρωσης των χαρακτηριστικών του κόμβου v:

h_v^{(k)} = MLP^{(k)} \left( (1 + \epsilon^{(k)}) \cdot h_v^{(k-1)} + \sum_{u \in N(v)} h_u^{(k-1)} \right)

όπου:

• (h_v^{(k)}) είναι τα χαρακτηριστικά του κόμβου v στο επίπεδο k,
• (N(v)) είναι το σύνολο των γειτόνων του κόμβου v,
• (\epsilon^{(k)}) είναι μια εκπαιδεύσιμη παράμετρος,
• Το MLP είναι ένα πολυεπίπεδο perceptron.

Επομένως, το GIN είναι αποτελεσματικό για εργασίες όπου είναι σημαντικό να διακρίνονται λεπτές δομικές διαφορές μεταξύ γραφημάτων.