딥러닝(8) - 그래프합성곱

👩‍💻 그래프 합성곱 네트워크(graph convolutional network)

- 에지로 연결된 노드(nodes=verticals)의 집합

노드

- 원들(원소들)

 

에지

- 두 노드에 연결된 선

- 결합 방법(single, double, triple, aromatic 등)

 

🐍 그래프 특성 추출 과정 

 

1. 인접 행렬 과정 (n x n 행렬로 표현하기)

-  노드 n개를 n×n 행렬(matrix)로 표현함

- 인접 행렬 내의 값은 ‘Aij는 i와 j의 관련성 여부’를 만족하는 값으로 채워준다. (1번 노드와 2,3이 연결되어 있기 때문에 1-2, 1-3을 1로 채워준다.)

- 컴퓨터가 이해하기 쉽게 그래프로 표현하는 과정

 

2. 특성행렬(특성선택)

- 인접 행렬만으로는 특성을 파악하기 어렵기 때문에 단위 행렬을 적용하여 특성을 추출하는 과정 

- 각 입력 데이터에서 이용할 특성을 선택한다. 

- 특성 행렬에서 각 행은 선택된 특성에 대해 각 노드가 갖는 값임(첫 번째 행은 첫 번쨰 노드의 특성값익 두 번째 행은 두 번째 노드의 특성 값이다. )

 

🐍 그래프 합성곱 네트워크 구조 

 

⭐ 리드아웃

-  특성 행렬을 하나의 벡터로 변환하는 함수

-  전체 노드의 특성 벡터에 대해 평균을 구하고 그래프 전체를 표현하는 하나의 벡터를 생성하는 것 

 

⭐ 그래프 합성곱층 

- 그래프 합성곱층을 이용한 그래프 형태의 데이터는 행렬 형태의 데이터로 변환

 

📌📌 GCN이 사용될 수 있는 곳

 

• SNS에서 관계 네트워크

• 학술 연구에서 인용 네트워크

• 3D Mesh