![](http://webcf.waybackmachine.org/web/20210516220535im_/https://habrastorage.org/getpro/habr/avatars/e6d/35e/6c9/e6d35e6c9ae85d0bf8895b0c6da3cb5b.jpg)
Что такое графовые нейронные сети
![](https://webcf.waybackmachine.org/web/20210516220535im_/https://habrastorage.org/webt/1h/tp/1o/1htp1okwezvsyatbzhqg7cny0xc.png)
Графовые сети — это способ применения классических моделей нейронных сетей к графовым данным. Графы, не обладая регулярной структурой как изображения (каждый пиксель имеет 8 соседей) или тексты (последовательность слов), долгое время оставались вне поля зрения классических нейронных моделей, которые получили широкое распространение в области машинного обучения и искусственного интеллекта. Большинство моделей векторизации графов (построения векторного представления вершин в графе) были достаточно медленными и использовали алгоритмы на основе матричной факторизации или спектральной декомпозиции графа. В 2015-16 годах появились более эффективные модели (DeepWalk, Line, Node2vec, Hope) на основе случайных блужданий. Однако и они имели ограничения, потому что никак не затрагивали при построении векторной модели графа дополнительных признаков, которые могут храниться в вершинах или на ребрах. Появление графовых нейронных сетей стало логичным продолжением исследований в области графовых эмбеддингов и позволило унифицировать под единым фреймворком предыдущие подходы.