Las redes neuronales de grafo (GNNs) son redes neuronales que utilizan la estructura de un grafo para realizar tareas de aprendizaje automático. En particular son útiles para calcular embeddings de los nodos del grafo, los cuales se pueden utilizar para clasificarlos, calcular valores faltantes, predecir aristas faltantes, etc. A medida que el grafo considerado crece en tamaño, se vuelve difícil considerar el grafo completo durante el entrenamiento, por lo que hay que aplicar técnicas de sampleo y batching. Más aún, si el grafo está almacenado en un sistema gestor de bases de datos, muchas veces es necesario exportar los datos primero para entrenar los modelos.

El objetivo de esta memoria/tesis, es formalizar, desarrollar y evaluar (alguno de) los módulos necesarios para que un usuario de un sistema gestor de bases de datos de grafo pueda, dentro de una consulta, entrenar y/o obtener embeddings para los nodos del grafo almacenado en el sistema.