Šta je GraphSAGE i zašto je potrebno uzorkovanje suseda?

GraphSAGE (Graf Uzorkovanje i Agregacija) je metoda za učenje reprezentacija (ugrađivanja) čvorova u grafovima pomoću neuronskih mreža. Za razliku od klasičnih GNN-ova, koji koriste sve susedne čvorove za agregaciju informacija, GraphSAGE primenjuje uzorkovanje (sampling) suseda kako bi učinio obuku skalabilnom na velikim grafovima.

Čemu služi uzorkovanje suseda?

• Skalabilnost: U velikim grafovima, čvor može imati ogroman broj suseda, što čini agregaciju svih njih računarski skupom.
• Smanjenje prekomernog učenja: Nasumični izbor suseda pomaže da se izbegne prekomerno pamćenje strukture grafa.
• Generalizacija: Omogućava modelu da uči na podskupu suseda, poboljšavajući sposobnost generalizacije.

Princip rada GraphSAGE:

1. Za svaki čvor, nasumično se bira fiksni broj suseda.
2. Njihovi ugrađeni se agregiraju (npr. prosekom ili pomoću LSTM-a).
3. Dobijeni agregat se kombinuje sa ugrađivanjem samog čvora i prolazi kroz neuronsku mrežu.

Ovo omogućava efikasno treniranje modela na velikim grafovima sa dinamičkom strukturom.