наукоследС какой задачей вы пришли
Если вы уже знаете, что такое вершина, ребро и обучение по размеченным примерам, можно выбрать подходящую ветку ниже. Для работ об агрегации пригодится представление о том, как GNN собирает информацию от соседних вершин.
Граф цитирований, дорожная сеть и граф знаний имеют разные виды связей. Для дорожной сети важны время и движение, для графа знаний — смысл отношений между объектами.
Какие статьи читать
- Соседние вершины относятся к разным классам — №1 об агрегации и №2 об обнаружении новых классов.
- Граф похож на дерево или иерархию — №3 о сочетании евклидовых и гиперболических представлений.
- Нужно обучать представления графа знаний — №4 о выборе отрицательных примеров.
- Данные поступают по мере изменения графа — №5 о последовательном обучении.
- Нужно предсказывать дорожное движение на новой сети датчиков — №6.
Что сравнить с собственными данными
Запишите тип графа, доступные метки и то, какие объекты появятся после обучения. Например, для дорожной сети это могут быть новые датчики, а для графа знаний — неизвестные связи.
При чтении таблиц результатов ищите именно такой сценарий. Одна и та же высокая точность на знакомых вершинах ещё не отвечает на вопрос о новой сети или новых классах.
Английские термины для поиска
- heterophily
- связи часто соединяют вершины разных классов
- knowledge graph
- граф объектов и отношений между ними
Частые вопросы
Что выбрать, если граф меняется со временем?
Начните с №5 о непрерывном обучении на графах. Для переноса прогноза между дорожными сетями подойдёт №6.