グラフ

グラフ構造データ（ネットワーク、分子、関係データなど）を扱う話題のページです。 表データやテキストとは異なり、ノード間の接続関係を捉えるモデリング（グラフニューラルネットワークなど）が求められます。

押さえどころ

• グラフ構造データは「ノードとエッジ」の接続関係そのものが情報を持つため、GBDT に落とし込む特徴量エンジニアリング（次数、近傍集約、グラフ埋め込みなど）を行うか、GNN による直接のモデリングを行うかが最初の分岐になる
• Kaggle 単独でのグラフコンペは少なく、「KDD Cup 2021」に続くNeurIPS 2022 の大規模グラフコンペ（Open Graph Benchmark 主催）のように、国際学会併設の大規模ベンチマーク形式で開催される傾向がある
• 体系的な学習リソースは比較的充実している。演習形式のグラフ道場、スタンフォード大学「Machine Learning with Graphs」講義、『グラフニューラルネットワーク』などの書籍で、基礎からアーキテクチャまでを一通り追える
• 企業の取引関係グラフからの格付け予測（GCN と LightGBM の比較など）のように、コンペ以外の実務でもグラフ構造データを活用した深層学習事例が蓄積されている
• 大規模グラフでは cuGraph のような GPU 対応ライブラリによる前処理や分析の高速化も選択肢になる

資料

• グラフ道場 (Graph Dojo)
• データのつながりを活かす技術〜ネットワーク／グラフデータの機械学習から得られる新視点: グラフ構造データの特徴抽出と機械学習活用を解説する書籍。
• 僕たちがグラフニューラルネットワークを学ぶ理由: 『グラフニューラルネットワーク』著者による導入と応用の紹介資料。
• グラフニューラルネットワーク(GNN)徹底解説！用途と仕組みからPyGでの実装まで: 前提知識から PyG 実装までを扱う GNN の解説記事。
• グラフニューラルネットワーク（PyTorch実装つき書籍）: 基本的な知識や研究事例を PyTorch 実装とともに紹介する書籍。
• 大規模グラフデータを題材にしたNeurIPS 2022コンペ: 「KDD Cup 2021」に続き 2 度目の開催となった国際学会併設コンペ。
• グラフニューラルネットワークの解説記事: グラフ表現学習の基礎から代表的な GNN アーキテクチャまでを扱う解説記事。
• GPU上でグラフデータを分析するライブラリ「cuGraph」の紹介記事: PageRank の計算速度を比較し、cuGraph の導入方法を解説する記事。
• スタンフォード大学「Machine Learning with Graphs」講義動画: ノード埋め込みや GNN の理論を体系的に扱う講義動画。
• GCNを用いた企業格付け予測手法（SIG-FIN発表）: 取引関係の有向グラフから特徴を獲得する手法を、LightGBM との精度比較を交えて提案した発表資料。
• グラフのデータ分析に関する概説資料: グラフ表現学習、グラフ畳み込みニューラルネットワーク、学会動向をまとめた資料。
• ネットワークデータに対する深層学習の紹介記事: 数式を抑えてタスクの全体像と代表的モデルを解説した記事。
• Graph Neural Networks: Foundations, Frontiers, and Applications: 27 章にわたる無料公開のグラフニューラルネットワーク書籍。

関連概念

• 表データコンペ / 推薦