Mis on GraphSAGE ja miks on vajalik naabrite proovivõtt?

GraphSAGE (Grafi näidistamine ja kogumine) on meetod, mida kasutatakse sõlmede esinduste (embeddings) õppimiseks graafides, kasutades närvivõrke. Erinevalt klassikalistest GNN-idest, mis kasutavad kogu naabersõlmede teabe kogumiseks, rakendab GraphSAGE naabrite näidistamist (sampling), et muuta õppimine suuremate graafide puhul skaleeritavaks.

Milleks on vaja naabrite näidistamist?

• Skaleeritavus: Suurtes graafides võib sõlm omada tohutut arvu naabreid, mis muudab kogu naabrite kogumise arvutuslikult kulukaks.
• Üleõppimise vähendamine: Juhuslik naabrite valik aitab vältida graafi struktuuri üleliigset meeldejätmist.
• Üldistamine: Annab mudelile võimaluse õppida väikese naabrite alamhulga pealt, parandades üldistamisvõimet.

GraphSAGE tööpõhimõte:

1. Iga sõlme jaoks valitakse juhuslikult fikseeritud arv naabreid.
2. Nende embeddings (näiteks keskmise või LSTM abil) kogutakse.
3. Saadud kogum ühendatakse sõlme enda embeddinguga ja läbib närvivõrgu.

See võimaldab tõhusalt treenida mudeleid suurte graafide puhul, mille struktuur on dünaamiline.