Les réseaux d'attention graphique (GAT) sont un type de réseau neuronal conçu pour les données structurées sous forme de graphique. Ils ont été proposés par Petar Veličković et ses collègues en 2017.Réseau d'attention graphiqueLes GAT s'attaquent aux limites des techniques précédentes basées sur les convolutions de graphes ou leurs approximations en utilisant des couches d'auto-attention masquées. Les nœuds des GAT sont capables d'effectuer des opérations d'attention sur les caractéristiques de leurs voisins, ce qui permet d'attribuer implicitement des pondérations différentes à différents nœuds sans nécessiter d'opérations matricielles coûteuses (par exemple, l'inversion) ni de connaissance préalable de la structure du graphe. Cela permet aux GAT de relever simultanément plusieurs défis clés des réseaux neuronaux de graphes basés sur le spectre et permet d'appliquer facilement le modèle aux problèmes inductifs comme traditionnels.