グラフ アテンション ネットワーク (略して GAT) は、グラフ構造データ用に設計されたニューラル ネットワークで、2017 年に Petar Veličković と彼の同僚によって提案されました。関連する論文の結果は次のとおりです。グラフ アテンション ネットワーク”。 GAT は、マスクされたセルフアテンション レイヤーを使用することで、グラフの畳み込みまたはその近似に基づく以前の手法の制限に対処します。 GAT のノードは、隣接するノードの特性に対してアテンション演算を実行できるため、コストのかかる行列演算 (反転など) を実行したり、グラフ構造を事前に知ったりすることなく、異なるノードに異なる重みを暗黙的に割り当てることができます。これにより、GAT はスペクトルベースのグラフ ニューラル ネットワークのいくつかの重要な課題に同時に対処できるようになり、モデルを従来の問題だけでなく帰納法問題にも簡単に適用できるようになります。