Nie wszystkie dane mieszczą się w siatce. Sieci społecznościowe, cząsteczki i mapy drogowe to grafy, z węzłami i krawędziami, a nie pikselami czy sekwencjami. Grafowe sieci neuronowe działają bezpośrednio na tej strukturze, przekazując komunikaty między połączonymi węzłami w celu uczenia się reprezentacji.

Podstawową operacją jest przekazywanie wiadomości. Każdy węzeł agreguje informacje od swoich sąsiadów, aktualizuje swoją reprezentację i powtarza to przez kilka rund. Po wystarczającej liczbie warstw każdy węzeł koduje informacje ze swojego lokalnego sąsiedztwa.

Typowe zadania graficzne

• Klasyfikacja węzłów
• Prognoza łącza
• Klasyfikacja grafów
• Polecanie połączeń
• Przewidywanie właściwości molekularnych

Skalowanie stanowi wyzwanie. Duże grafy mają miliony węzłów i krawędzi, a uczenie wsadowe nie mieści się w pamięci. Techniki próbkowania i metody mini-wsadowe umożliwiają uczenie, choć kosztem dokładności.