Explorando Graph Neural Networks (GNNs)
Ronilson W. S. Pereira, Paulo André Ignácio Pontes, Marcos César da Rocha Seruffo, Karla T. F. Leite · Proceeding Series of the Brazilian Society of Computational and Applied Mathematics · 2025
Este artigo apresenta um mapeamento sistemático das Redes Neurais de Grafos (GNNs, do inglês Graph Neural Networks), destacando sua crescente relevância em diversos campos, como ciência de dados, aprendizado de máquina e redes complexas. Para modelar dados estruturados em forma de grafos, as GNNs são estruturas eficazes que permitem uma análise eficiente de informações interconectadas. Examinar os domínios de aplicações e investigar as principais métricas para validar / avaliar as GNNs é o principal objetivo deste estudo, que oferece uma visão abrangente das contribuições recentes nesse campo emergente. Para atingir este objetivo, foi realizado um Mapeamento Sistemático da Literatura (MSL), seguindo um protocolo bem definido, incluindo critérios específicos para seleção de estudos, busca abrangente em diversas fontes, análise dos resultados e síntese do conhecimento obtido. Os resultados deste mapeamento destacam uma ampla gama de aplicações de GNNs, como classificação grafo, bioinformática, medicina, ciência da computação, recomendação de itens em sistemas de recomendação, apresentando excelentes desempenhos em seus testes.