詳細解釋
圖神經網路（GNN, Graph Neural Network）是處理圖結構數據的神經網路，捕捉節點間的關係和結構資訊。
核心操作：訊息傳遞（Message Passing）
- 聚合：收集鄰居節點的訊息
- 更新：結合自身和鄰居訊息更新表示
- 重複：多層傳遞擴大感受野
主要類型：
- GCN：圖卷積網路，頻譜方法
- GraphSAGE：採樣聚合，可擴展
- GAT：圖注意力，權重學習
- GIN：圖同構網路，表達能力強
應用：
- 社交網絡：用戶推薦、社群發現
- 分子化學：分子性質預測
- 知識圖譜：推理、補全
- 交通預測：路網流量預測
- 程式分析：代碼圖表示
與傳統ML比較：
- 傳統：手工設計圖特徵
- GNN：端到端學習圖表示
- 效果更好，更通用
挑戰：
- 可擴展性：大圖的記憶體和計算
- 深度：過平滑問題
- 異質圖：多類型節點和邊
是處理關係數據的標準方法。