Kas yra GraphSAGE ir kodėl reikalingas kaimynų pavyzdys?

GraphSAGE (Grafų pavyzdys ir agregavimas) yra metodas, naudojamas mazgų reprezentacijų (embeddingų) mokymui grafuose naudojant neuroninius tinklus. Skirtingai nuo klasikinių GNN, kurie naudoja visus kaimyninius mazgus informacijos agregacijai, GraphSAGE taiko kaimynų pavyzdį (sampling), kad mokymą padarytų mastelį dideliuose grafuose.

Kam reikalingas kaimynų pavyzdys?

• Mastelio didinimas: Dideliuose grafuose mazgas gali turėti didžiulį skaičių kaimynų, todėl visų jų agregavimas yra skaičiavimo požiūriu brangus.
• Permokymo sumažinimas: Atsitiktinis kaimynų pasirinkimas padeda išvengti per daug įsimenant grafiko struktūrą.
• Apibendrinimas: Leisti modeliui mokytis iš mažos kaimynų dalies, gerinant bendrąją gebėjimą.

GraphSAGE veikimo principas:

1. Kiekvienam mazgui atsitiktinai pasirenkamas fiksuotas kaimynų skaičius.
2. Jų embeddingai (pvz., vidurkis arba naudojant LSTM) yra sujungiami.
3. Gautas agregatas yra sujungtas su pačio mazgo embedding ir praleidžiamas per neuroninį tinklą.

Tai leidžia efektyviai mokyti modelius dideliuose grafuose su dinamiška struktūra.