Nem minden adat fér el egy rácsban. A közösségi hálózatok, a molekulák és az útitervek gráfok, csomópontokkal és élekkel, nem pedig pixelekkel vagy szekvenciákkal. A gráf neurális hálózatok közvetlenül ezen a struktúrán működnek, üzeneteket továbbítva a csatlakoztatott csomópontok között a reprezentációk tanulásához.

Az alapvető művelet az üzenetküldés. Minden csomópont összegyűjti a szomszédaitól származó információkat, frissíti a saját reprezentációját, és ezt több körben ismétli. Elegendő réteg után minden csomópont kódolja a helyi környezetéből származó információkat.

Gyakori gráffeladatok

• Csomópont-besorolás
• Link előrejelzés
• Gráf osztályozás
• Ajánlott kapcsolatok
• Molekuláris tulajdonságok előrejelzése

A skálázás kihívást jelent. A nagy gráfok több millió csomóponttal és éllel rendelkeznek, és a teljes kötegelt betanítás nem fér el a memóriában. A mintavételi technikák és a mini-köteges módszerek lehetővé teszik a betanítást, bár a pontosság rovására megy.