< GNN 이 해결할 수 있는 문제 >
1.
Node Classification
Node embedding을 통해 점들을 분류하는 문제. 일반적으로 그래프 일부만 레이블 된 상황에서 반지도학습을 한다. 대표적인 응용 영역으로 인용네트워크, Reddit 게시물, Youtube 동영상이 있다.
2.
Link Prediction
그래프의 점들 사이의 관계 파악하고 두 점 사이에 얼만큼 연관성이 있는지 예측하는 문제.
영화와 유저가 점이고 유저가 영화를 봤으면 선으로 연결해준 그래프를 생각할 수 있다. 아직 연결되지 않은 영화,유저의 쌍 중 연결될 가능성이 높은 쌍을 찾아 유저가 영화를 감상할 가능성이 높다고 예측할 수 있다.
ex) 페이스북 친구 추천, 왓챠/유튜브/넷플릭스 영상 추천.
3.
Graph Classification
그래프 전체를 여러가지 카테고리로 분류하는 문제이다. 이미지 분류와 비슷하지만 대상이 그래프라고 생각하면 된다. 분자 구조가 그래프의 형태로 제공되어 그걸 분류하는 산업 문제에 광범위하게 적용할 수 있으며 화학, 생의학, 물리학 연구자들과 활발히 협업하고 있다.
응용 사례
1) Scene graph generation by iterative
CNN 기반의 이미지 물체 탐지는 최첨단 성능에 달했지만 그 물체들 사이의 관계까지는 알지 못한다.
CNN으로 탐지된 물체들에 scene graph를 만들어 관계를 파악할 수 있다.
2) Image generation from scene graphs
와 반대되는 작업도 가능하다. 기존 이미지 생성 방법은 Generative Adversarial Network나 Autoencoder를 사용했다. 아래 그림 방법버럼 scene graph로부터 이미지를 생성할 수도 있다.
