AI를 위한 필수 수학

364

AI

를 위한 필수 수학

9.5

그래프 내 메시지 전달

메시지 전달 프레임워크는 그래프 내에서 정보의 전파를 모델링하고 노드, 엣지, 그래프 자체

의 구조에서 전달되는 정보를 원하는 피처 벡터로 깔끔하게 집계하는 데 유용한 접근법이다.

이 프레임워크 내에서 모든 노드는 이와 연결된 엣지 및 인접 노드의 피처 벡터에서 얻은 정보

로 업데이트된다. 그래프 신경망은 여러 라운드에서 메시지 전달을 수행하며, 각 라운드마다

단일 노드의 정보를 추가로 전파한다. 마지막으로 각 개별 노드의 잠재적 특징을 결합해 통합

된 벡터 표현을 얻고 전체 그래프를 나타낸다.

구체적으로는 특정 노드에 대해 함수를 선택할 수 있다. 이 함수는 노드의 피처 벡터, 엣지로

연결된 인접 노드 중 하나의 피처 벡터, 그리고 이 인접 노드를 연결하는 엣지의 피처 벡터를

입력으로 받아 노드, 이웃, 이들을 연결하는 엣지의 정보를 포함한 새로운 벡터를 출력한다. 우

리는 같은 함수를 노드의 모든 이웃에 적용한 다음, 결과 벡터들을 더하여 메시지 벡터를 생

성한다. 마지막으로, 우리가 선택한 함수 내에서 원래 피처 벡터와 메시지 벡터를 결합함으로

써 노드의 피처 벡터를 업데이트한다. 그래프의 각 노드에 대해 이 과정을 수행하면 각 노드

의 새로운 피처 벡터는 자신, 모든 이웃 노드, 모든 연결된 엣지로부터의 정보를 포함하게 된

다. 이제 이 과정을 한 번 더 반복하면 노드의 가장 최근 피처 벡터는 자신, 모든 이웃 및 이웃

의 이웃, 그리고 모든 연결 엣지로부터의 정보를 포함하게 ...