Image from here 데이터 분석하는 분들에게 데이터 프레임을 어떤 도구로 처리하냐고 물어보면 100이면 100, Pandas를 이용한다고 하실겁니다. 그런데 Pandas는 태생적인 문제가 있죠. 바로 속도입니다. 이 속도를 높여보기 위해서 우리는 별의별 방법을 사용해왔죠. 멀티프로세싱도 당연히 해봤고, 데이터 조인 속도를 높이기 위해 인덱싱...

The graph assumes all the nodes share the same feature. 그래프에서 노드의 색상이 피처를 나타낸다고 가정해봅시다. 위 그림의 그래프는 모든 노드가 같은 피처를 갖고 있습니다. GNN은 이런 그래프에서 서로 다른 그래프 구조를 얼마나 잘 구분할까요? 우선 그래프에서 각 노드 주변의 국소적인 이웃 구조를 고려...

GNN 학습 파이프라인은 위 그림과 같이 생겼습니다. 지금까지 다룬 내용은 입력 그래프부터 노드 임베딩까지의 내용이고, 본 포스트에서는 예측과 관련된 내용을 다루고자 합니다. Different task levels require diffennt prediction heads 우선 다양한 예측 헤드가 있습니다. 예측 태스크라고도 할 수 있는데 노드...

GNN Layer GNN 레이어는 다음의 두 과정을 통해 이웃 노드의 여러 벡터 집합을 단일 벡터로 압축합니다. 각 노드의 벡터를 메시지로 변환 변환된 메시지를 집계 메시지로 변환하는 함수는 다음과 같습니다. [m_u^{(l)} = \text{MSG}^{(l)} \left( h_u^{(l-1)} \right)] 각 노드는 메시지...

본 포스트에서는 그래프 뉴럴 네트워크(GNN) 을 기반에 둔 딥러닝 기법에 대해서 다룹니다. 지난번 포스트에서 다루었던 인코더로 GNN을 표현하자면 그래프 구조에 기반한 비선형 변환의 레이어를 겹겹이 쌓아둔 것이라고 할 수 있습니다. 이러한 구조를 이용해 노드 분류, 링크 예측, 커뮤니티 검출, 네트워크 유사도 등 다양한 다운스트림 태스크를 수행할 수...