3. GNN의 TASK CS224W: Machine Learning with Graphs 정리

https://web.stanford.edu/class/cs224w

목차

- GNN의 서로 다른 TASK

- Node - Level

- Edge - Level

- Graph - Level

👉 GNN의 서로 다른 TASK

1. Node - Level

2. Edge - Level

3. Graph - Level

출처 : https://web.stanford.edu/class/cs224w/slides/01-intro.pdf

 

1. Node - Level Tasks

 

목표: 네트워크에서 노드의 구조와 위치를 특성화합니다.

출처 : https://web.stanford.edu/class/cs224w/slides/01-intro.pdf

 

2. Edge Level Tasks

출처 : https://web.stanford.edu/class/cs224w/slides/01-intro.pdf

목표 : 이미 존재하는 Edge들을 기준으로

• Edge를 생성
• 잃어버린 Edge를 찾음
• 알려지지 않은 Edge를 찾음

1. 예시 : 추천시스템 

User - Item 상호작용

• 영화 보기, 상품 구매, 음악 듣기
• Nodes : 사용자(유저)와 아이템
• Edges : 사용자-유저 상호작용들

목표 : 사용자가 좋아할만한 아이템을 추천

출처 : https://web.stanford.edu/class/cs224w/slides/01-intro.pdf

 

예시에서와 같이 각각의 이미지들을 노드로 생각하고 Query Pin과 비슷한 케이크는 스웨터보다 거리가 더 가까워야 한다 따라서 d(Zcake1, Zcak2) < d(Zcake1, Zswater)와 같다.

 

2. 예시 : 약물 부작용

Drug Side Effects

• 많은 환자들은 동시에 존재하는 질병등을 치료하기 위해 여러개의 알약을 먹는다.
• 79~79살 사람들의 46%는 5개 이상의 알약을 먹는다.
• 많은 환자들은 심장병, 불면증등을 치료하기 위해 20개의 약을 먹는다.

목표 : 2개의 알약이 주어졌을 때 부작용을 예측

 

- 실제 상위 10개의 예측 결과 중 5개에서는 부작용에 대한 연구가 있었다.(모든 부작용에 대한 정보는 FDA DB에 없었음)

 

 

3. Graph Level Tasks

노드 : 도로의 구간

엣지 :  도로 연결 여부

 

📝 정리

작업 유형	목표 및 응용 분야	예시
Node - Level	개별 노드의 구조와 위치를 특성화하여 분석하는 작업	- 소셜 네트워크에서의 사용자 역할 분석 - 생물학적 네트워크에서의 유전자 기능 예측
Edge-Level	네트워크 내의 엣지들에 관한 분석을 수행	추천 시스템: 사용자와 아이템 간 상호작용 분석 - 약물 부작용 예측: 여러 약물 간 상호작용 분석
Graph-Level	전체 그래프 구조의 특성을 이해하고 분석하는 작업	- 분자 구조에서의 화학적 성질 예측 - 교통 네트워크 분석

 

다음 정리에서는 노드 임베딩 방법에 대해 알아보겠다!

2024.03.19 - [GNN/CS224] - 4. 노드 임베딩 CS224W: Machine Learning with Graphs 정리

4. 노드 임베딩 CS224W: Machine Learning with Graphs 정리