Graph Neural Networks (GNN’s) zijn een klasse van neurale netwerken ontworpen om op graafgegevens te werken. In plaats van traditionele invoer zoals afbeeldingen of tekst, verwerken GNN’s gegevens met relaties en verbindingen tussen elementen.

GNN’s propageren informatie langs de randen van een graaf, waarbij elk knooppunt informatie van zijn buren verzamelt en verwerkt. Dit maakt ze ideaal voor problemen waar de structuur van de gegevens zelf belangrijk is, zoals sociale netwerken, chemische moleculen en kennisgrafen.