Graph Neural Network (Red Neuronal de Grafos)

Modelo de aprendizaje profundo diseñado para trabajar con datos estructurados en forma de grafos, donde las entidades se representan como nodos y las relaciones entre estas como aristas.

Se utilizan para tareas como clasificación de nodos, predicción de enlaces y clasificación de grafos completos, permitiendo capturar las dependencias y estructuras jerárquicas en los datos.

Aprovechan las propiedades del entorno de los nodos y sus conexiones para aprender representaciones útiles, utilizando técnicas como el mensaje-passing, que propaga información entre nodos vecinos.

Son ampliamente aplicadas en dominios como redes sociales, biología computacional, sistemas de recomendación, análisis de moléculas y detección de fraudes.

Las arquitecturas y variantes más comunes incluyen GCN (Graph Convolutional Networks), GAT (Graph Attention Networks) y GraphSAGE, adaptándose a diferentes escenarios y tipos de grafos.