Czym jest GraphSAGE i dlaczego potrzebne jest próbkowanie sąsiadów?

GraphSAGE (Próbkowanie i Agregacja Grafów) to metoda uczenia reprezentacji (osadzeń) węzłów w grafach za pomocą sieci neuronowych. W przeciwieństwie do klasycznych GNN, które używają wszystkich sąsiednich węzłów do agregacji informacji, GraphSAGE stosuje próbkę (sampling) sąsiadów, aby uczynić uczenie skalowalnym na dużych grafach.

Do czego służy próbka sąsiadów?

• Skalowalność: W dużych grafach węzeł może mieć ogromną liczbę sąsiadów, co czyni agregację wszystkich kosztowną obliczeniowo.
• Zmniejszenie nadmiernego dopasowania: Losowy wybór sąsiadów pomaga uniknąć nadmiernego zapamiętywania struktury grafu.
• Uogólnianie: Pozwala modelowi uczyć się na podzbiorze sąsiadów, co poprawia zdolność do uogólniania.

Zasada działania GraphSAGE:

1. Dla każdego węzła losowo wybierany jest stała liczba sąsiadów.
2. Ich osadzenia są agregowane (np. przez uśrednianie lub za pomocą LSTM).
3. Uzyskany agregat jest łączony z osadzeniem samego węzła i przechodzi przez sieć neuronową.

To umożliwia efektywne trenowanie modeli na dużych grafach o dynamicznej strukturze.