# Konwolucje grafowe i uwaga na grafach (GCN, GAT)

EN: **Graph convolutions and graph attention (GCN, GAT)** · id `messagepassing` · aliases: GCN, GAT, GraphSAGE, graph convolutional networks, graph attention networks, konwolucja grafowa

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Sieci i modele generatywne](https://aiatlasgraph.com/t/neural.md) › [Sieci grafowe (GNN)](https://aiatlasgraph.com/t/gnn.md) › Konwolucje grafowe i uwaga na grafach (GCN, GAT)

## Description

- PL: Najpopularniejsze warstwy GNN: GCN agreguje znormalizowaną sumę cech sąsiadów, GAT waży sąsiadów mechanizmem uwagi, GraphSAGE próbkuje sąsiedztwo.
- EN: The most common GNN layers: GCN aggregates a normalised sum of neighbour features, GAT weights neighbours with attention, GraphSAGE samples the neighbourhood.

## In one sentence

- PL: Podstawowy sposób, w jaki sieć grafowa krok po kroku zbiera wiedzę od sąsiadów każdego elementu.
- EN: The basic way a graph network gathers knowledge, step by step, from each element's neighbours.

## Problem it solves

- PL: Pojedynczy element mówi niewiele; o roli osoby w firmie czy artykułu w nauce decydują jego połączenia.
- EN: A single element says little on its own; a person's role in a company or a paper's place in science depends on its connections.

## What it does

- PL: Jak sondaż wśród sąsiadów: każdy element pyta najbliższych, waży ich odpowiedzi i na tej podstawie aktualizuje własną opinię.
- EN: Like polling the neighbours: each element asks those closest to it, weighs their answers and updates its own view.

## Everyday example

- PL: Serwis z artykułami naukowymi przypisuje nowej pracy dziedzinę na podstawie tego, jakie prace cytuje i kto cytuje ją.
- EN: A library of research papers assigns a new paper to a field based on which papers it cites and which papers cite it.

## This concerns you if you…

- PL: chcesz klasyfikować elementy sieci na podstawie ich sąsiadów
- PL: przewidujesz brakujące połączenia, np. kto kogo może znać
- EN: want to classify network elements by their neighbours
- EN: predict missing links, such as who might know whom

## Keywords

GCN · GAT · GraphSAGE · GIN · PyTorch Geometric · DGL · node classification · link prediction

## How it works

- PL: GCN mnoży cechy węzłów przez znormalizowaną macierz sąsiedztwa i wspólną macierz wag, co jest przybliżeniem pierwszego rzędu spektralnej konwolucji. GAT liczy współczynnik uwagi dla każdej krawędzi, więc sąsiedzi wnoszą różny wkład. GraphSAGE uczy się na próbkach sąsiedztwa, co pozwala skalować trening i obsługiwać nowe węzły.
- EN: GCN multiplies node features by a normalised adjacency matrix and a shared weight matrix, a first-order approximation of spectral convolution. GAT computes an attention coefficient per edge, so neighbours contribute differently. GraphSAGE trains on sampled neighbourhoods, scaling training and handling unseen nodes.

## Limits

- PL: Zakładają, że połączone węzły są do siebie podobne (homofilia); na grafach heterofilnych słabną. Cały graf szybko przestaje mieścić się w pamięci GPU, a wynik zależy od jakości samych krawędzi.
- EN: They assume connected nodes are similar (homophily) and weaken on heterophilous graphs. Whole graphs quickly outgrow GPU memory, and results depend on the quality of the edges themselves.

## Key terms

- PL: **macierz sąsiedztwa**: Tabela zapisująca, które węzły grafu są ze sobą połączone.
- PL: **współczynnik uwagi**: Wyuczona waga mówiąca, jak bardzo słuchać danego sąsiada.
- PL: **homofilia**: Skłonność połączonych elementów do bycia podobnymi.
- EN: **adjacency matrix**: A table recording which graph nodes are connected.
- EN: **attention coefficient**: A learned weight saying how much to listen to a given neighbour.
- EN: **homophily**: The tendency of connected elements to be similar.

## Know first

- [Mechanizm self-attention (zapytania, klucze, wartości) (Self-attention (queries, keys, values))](https://aiatlasgraph.com/t/selfattention.md)
- [Algebra liniowa: wektory i macierze (Linear algebra: vectors and matrices)](https://aiatlasgraph.com/t/linearalgebra.md)

## Related topics

Untyped, symmetric "see also" links.

- [Przewidywanie właściwości cząsteczek (Molecular property prediction)](https://aiatlasgraph.com/t/molproperty.md)

## Sources

- [A Gentle Introduction to Graph Neural Networks](<https://distill.pub/2021/gnn-intro/>) `distill-gnn-2021` · by Benjamin Sanchez-Lengeling, Emily Reif, Adam Pearce, Alexander B. Wiltschko (Google Research)
- [Semi-Supervised Classification with Graph Convolutional Networks](<https://arxiv.org/abs/1609.02907>) `gcn-2016` · by Thomas N. Kipf, Max Welling

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/messagepassing · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30