Не все данные помещаются в сетку. Социальные сети, молекулы и дорожные карты представляют собой графы, состоящие из узлов и ребер, а не из пикселей или последовательностей. Графовые нейронные сети работают непосредственно с этой структурой, передавая сообщения между соединенными узлами для обучения представлениям.

Основная операция — передача сообщений. Каждый узел собирает информацию от своих соседей, обновляет собственное представление и повторяет этот процесс несколько раз. После достаточного количества слоев каждый узел кодирует информацию из своего локального окружения.

Типичные задачи работы с графами

• Классификация узлов
• Прогнозирование ссылок
• Классификация графов
• Рекомендации по подключению
• Прогнозирование молекулярных свойств

Масштабирование представляет собой сложную задачу. Большие графы содержат миллионы узлов и ребер, а обучение с использованием полных пакетов данных не помещается в память. Методы выборки и мини-пакетного обучения делают обучение осуществимым, хотя и за счет некоторой потери точности.