グラフニューラルネットワーク：非ユークリッド空間に関する包括的レビュー

このレビューは、深層学習の観点から、グラフベースのネットワークの最新の方法に関する包括的な概要を提供します。グラフネットワークは、非ユークリッド空間データを活用するための一般化された形式を提供します。グラフは、順序なしにノードとエッジの集まりとして視覚化できます。データ駆動型アーキテクチャは、特徴空間のパターンを見つけようとする固定されたニューラルネットワークに従う傾向があります。これらの戦略は、ユークリッド空間データに対して多くのアプリケーションに成功裏に適用されてきました。非ユークリッド空間のグラフデータは任意の順序に従わないため、これらの解決策はノード間の関係を活用するために適用することができます。グラフニューラルネットワーク（GNN）は、グラフデータ間の関係を活用することによってこの問題を解決します。計算ハードウェアと最適化の最近の発展により、グラフネットワークは複雑なグラフの関係を学ぶことが可能になりました。したがって、グラフネットワークは、タンパク質インターフェース、分類、指紋の表現学習など、多くの問題を解決するために積極的に使用されています。グラフモデルの重要性を要約するために、本論文では、理論から現実の問題までのアプリケーションに応じてGNNモデルを体系的に分類し、グラフモデルのアプリケーションの将来の展望に対する方向性を提供し、既存のグラフネットワークの限界を強調します。