グラフニューラルネットワーク
文A 2言語
This article is an outline. It will be expanded only with confirmed details.
グラフニューラルネットワーク（Graph Neural Network、GNN）は、グラフ構造を持つデータを扱うニューラルネットワークの総称である。
本百科事典では、GNNそのものの概要に加えて、山崎康の研究上の関心との関係を記述する。
概要[編集]
グラフはノードとエッジによって構成される。
例えばSNSではユーザーをノード、フォロー関係をエッジとして表現できる。道路網では交差点をノード、道路をエッジとして扱うことができる。
画像や表形式データと異なり、グラフでは各要素がどの要素と接続されているかという構造自体が重要な情報となる。
GNNは、この接続関係を利用しながらノードやグラフ全体の表現を学習する。
For the main biographical article, see 山崎 康.
メッセージパッシング[編集]
多くのGNNでは、隣接するノード間で情報を交換する「メッセージパッシング」と呼ばれる考え方が用いられる。
各ノードは自身の特徴量だけでなく、周囲のノードから受け取った情報を集約することで新しい表現を獲得する。
層を重ねることで、より離れたノードの情報を間接的に利用することも可能になる。
山崎康との関係[編集]
山崎がGNNに関心を持つ背景には、学部研究で木構造データを扱った経験がある。
木構造の研究では、データを独立した特徴量の集合としてではなく、ノード同士の接続関係を含む構造として考える必要がある。
この考え方をより一般的なグラフへ拡張し、さらに機械学習と組み合わせる分野としてGNNに関心を持つようになった。
研究上の関心[編集]
関心を持つテーマの一つとして、情報が欠損しているグラフや時間とともに変化するグラフをどのように扱うかという問題がある。
現実世界のグラフデータは常に完全であるとは限らない。SNSの関係、通信ネットワーク、知識グラフなどでは、観測できていないノードやエッジが存在する可能性がある。
こうした不完全なグラフから構造を推定したり、未知の接続を予測したりする問題は、GNNの応用先の一つである。
また、GNNがなぜ特定の予測を行ったのかを説明する説明可能AIにも関心を持つ。
本百科事典との関係[編集]
The Internet Encyclopedia of Ko Yamasaki自体も、記事をノード、内部リンクをエッジと考えることで一つのグラフとして表現できる。
Knowledge Graphでは、研究、プロジェクト、人物、ゲーム、スポーツ、食文化など、本来異なるカテゴリに属する記事がリンクによって接続される。
そのため、本百科事典におけるKnowledge Graphは単なる視覚効果ではなく、山崎の研究上の関心である「関係を持つデータ」をサイトそのものへ適用した実験でもある。
