**GAT**は、**グラフ構造のデータに対して[[Attention機構|注意機構]]（Attention Mechanism）を用いるニューラルネットワーク**です。ノード（点）の特徴を周囲のノードから学習する際に、それぞれの隣接ノードの重要度を動的に計算します。 ### **主な特徴** - **自己注意機構（Self-Attention）**を使い、隣接ノード間の「重要度（重み）」を学習。 - 各ノードの表現（埋め込み）を、**重み付きの平均**で更新。 - **グラフ畳み込みネットワーク（GCN）**と異なり、**隣接ノードの重みが学習可能**。 - ミニバッチ学習が可能で、**スケーラブル**な構造。 ### **基本アイデア** 1. 各ノードの特徴ベクトルに対して線形変換を適用。 2. 隣接ノード同士のペアごとに注意係数（重み）を計算。 3. Softmaxで正規化。 4. 重み付き和でノードの新しい表現を生成。 5. （必要に応じて）複数のヘッドでアテンションを並列に適用し、出力を統合。 ### **用途例** - ソーシャルネットワーク分析 - 化学分子構造の分類 - 推薦システム - 知識グラフ