École Nationale Supérieure de
Techniques Avancées

Résumé

Ce rapport présente une étude réalisée dans le cadre d'un stage qui explore l'application des Réseaux de Neurones appliqués aux Graphes (GNN) pour la prédiction binaire de liens au sein de graphes. Les GNN, constituant une branche dynamique de l'Intelligence Artificielle (IA), se démarquent par leur capacité à modéliser les relations complexes présentes dans des données sous forme de graphes. Leur champ d'application s'étend à plusieurs domaines, incluant les réseaux sociaux, les systèmes de transport et les réseaux électriques. Cette étude s'est déroulée dans le contexte d'un concours Kaggle en lien avec la "Conférence sur la Science des Données et l'Analyse Avancée" (DSAA), où le défi consistait à prédire des liens au sein d'un graphe donné. Cette étude se concentre spécifiquement sur l'implémentation d'une architecture particulière de GNN : SEAL [2]. Les résultats obtenus grâce à cette mise en œuvre démontrent l'efficacité du modèle avec un score de prédiction de 0,98, tout en soulignant l'importance cruciale de l'optimisation des hyperparamètres dans le processus.