Graf Teorisine Giriş

Nesneler arasındaki ikili bağlantıları nasıl modellersiniz? 

Graf adı verilen matematiksel bir yapı ile. Ve Graf Teorisinin özü de budur – grafların incelenmesi.  

Graf teorisinin temel öğeleri tepe noktaları (düğümler olarak da bilinir) ve kenarlardır (bağlantılar olarak da bilinir). Bir tepe noktası bir graf içinde tekil bir varlığı veya noktayı temsil ederken, bir kenar iki tepe noktası arasındaki bağlantıyı veya ilişkiyi ifade eder. Birlikte, bu bileşenler, modellenen ilişkilerin özgül doğasına bağlı olarak yönlü veya yönsüz, ağırlıklı veya ağırlıksız olabilen bir grafın yapısını oluşturur.

Bilgisayar biliminde, graf teorisi internet, sosyal ağlar ve iletişim sistemleri gibi ağları temsil etmekte kullanılan birçok algoritma ve veri yapılarının temelini oluşturur. Ayrıca ağ bağlantılılığı, yol bulma ve optimizasyonla ilgili sorunların çözümünde araçlar sunar ve ağaçlar, çevrimler ve düzlemsel graf gibi çeşitli matematiksel yapı ve kavramları anlamanın temelini teşkil eder.

Bu yazıda, graf teorisine başlamak için bilmeniz gerekenleri anlatacağız.  

Yazar tarafından Midjourney kullanılarak oluşturulmuştur

Graf Teorisi Nedir?

Graf teorisi, grafın özelliklerini ve uygulamalarını inceleyen matematiğin bir dalıdır. Bir graf, tepe noktaları (veya düğümler) adı verilen nesneler kümesinin kenarlar (veya bağlantılar) ile birbirine bağlanmasıyla tanımlanır. 

Graf teorisinin birincil amacı bu graf yapılarını anlamak ve bağlantılılık, yol bulma ve ağ optimizasyonu ile ilgili çeşitli sorunları incelemektir.

Bu ilişkileri analiz ederek, graf teorisi birçok alandaki sayısız gerçek dünya sorununa dair içgörüler elde etmemizi sağlar.

Graf teorisi nereden geldi?

Graf teorisinin kökenleri, 18. yüzyılda İsviçreli matematikçi Leonhard Euler’in çalışmalarına kadar uzanır. Euler’in 1736’da Königsberg köprüleri problemine getirdiği çözüm, graf teorisindeki ilk problemlerden biri olarak kabul edilir. Bu problem, Königsberg şehrinde bulunan yedi köprünün her birinden tam olarak bir kez geçilecek bir yürüyüş rotası bulmayı içeriyordu. Euler’in yaklaşımı, sonradan grafların biçimsel bir çalışma alanı haline gelecek olan zemini hazırladı.

19. ve 20. yüzyıllarda, çokgenlerin özelliklerini inceleyen Carl Friedrich Gauss gibi matematikçilerin katkılarıyla graf teorisi önemli ölçüde gelişti; daha sonraki araştırmacılar kavramları biçimselleştirip grafla ilgili problemler için algoritmalar geliştirdi. 

20. yüzyılın ortalarında bilgisayar biliminin ortaya çıkışı, graf teorisinin büyümesini daha da hızlandırdı ve bilgisayar algoritmalarında, ağ analizinde ve veri yapılarında yaygın olarak uygulanmasına yol açtı.

Graf teorisinin temel kavramları

Graf teorisinin temellerini anlamak, alandaki daha ileri konuları keşfetmek için bir zemin sağlar. O halde başlangıç için bazı temeller atalım… 

Sıralı İkililer Olarak Graflar

Bir graf biçimsel olarak sıralı bir ikili G = (V, E) olarak tanımlanır; burada:

• V, graf içindeki tekil varlıkları temsil eden tepe noktaları (veya düğümler) kümesidir.
• E, tepe noktası çiftleri arasındaki bağlantıları temsil eden kenarlar (veya bağlantılar) kümesidir.

Tepe Noktaları (V) ve Kenarlar (E)

• Tepe Noktaları (V): Bunlar bir grafın temel birimleri veya noktalarıdır. Her tepe noktası, modellenen yapıda bir varlığı veya konumu temsil eder.

• Kenarlar (E): Tepe noktası çiftleri arasındaki bağlantılar veya ilişkilerdir. Her bir kenar iki tepe noktasını bağlar ve aralarındaki ilişkiyi veya yolu gösterir.

Kenar Türleri

• Yönlü Kenarlar: Yönlü bir grafda (veya digraf), kenarların bir yönü vardır; yani bir tepe noktasından belirli başka bir tepe noktasına giderler. Bu yön genellikle bir ok ile gösterilir. Yönlü kenarlar, trafik akışı veya çizelgelemede öncelik kısıtları gibi asimetrik ilişkileri modellemek için kullanışlıdır.

• Yönsüz Kenarlar: Yönsüz bir grafda kenarların yönü yoktur ve sadece iki tepe noktasını bağlarlar. Bu tür graf, yönün önemli olmadığı karşılıklı ilişkileri, örneğin karşılıklı arkadaşlıkları veya bir ağdaki bağlantıları temsil etmek için kullanılır.

Graf Teorisi Temel Terimler ve Kavramlar

Şimdi bazı temel terim ve kavramları tanımlayalım: 

Tepe Noktası (Düğüm)

Bu kavram, graf yapısı içinde tekil bir varlığı veya noktayı temsil eder. Örneğin, bir sosyal ağ grafında her kişi bir tepe noktası olarak temsil edilebilir.

Bir Tepe Noktasının Derecesi

Bir tepe noktasının derecesi ona bağlı kenarların sayısıdır. Bu, bir tepe noktasının bir graf içindeki bağlantılılığı ve önemi hakkında içgörü sağlar. Bunu en iyi şekilde kavramsallaştırmanın yolu, bir sosyal ağda bir tepe noktasıyla temsil edilen bir kişiyi hayal etmektir. Tepe noktasından çok sayıda kenar çıkıyorsa, bunun “yüksek dereceye” sahip olduğunu söyleriz; bu da aynı zamanda yüksek etkili bir kişiyi işaret eder. Bir ulaşım ağını modelliyor olsaydık, yüksek dereceli bir düğüm, ağda doğrudan en çok diğer konumlara bağlanan merkezi bir kavşağı ifade ederdi.   

Yol

Bir grafdaki yol, her bitişik çiftin bir kenarla bağlandığı tepe noktaları dizisidir. Basit (tekrarlanan tepe noktası olmayan) veya genel (tekrarların izinli olduğu) olabilirler. Örneğin, A, B, C ve D tepe noktalarına sahip bir grafda bir yol A → B → C → D olabilir; burada her tepe noktası bir sonrakine bir kenarla bağlanır.

Çevrim

Çevrim, aynı tepe noktasında başlayıp biten ve başka hiçbir tepe noktası veya kenarın tekrarlanmadığı bir yoldur. Çevrimler basit (başlangıç ve bitiş dışında tekrar yok) veya genel olabilir. Örneğin: A, B, C ve D tepe noktalarına sahip bir grafda basit bir çevrim A → B → C → D → A olabilir.

Bağlantılı Graflar

Bir grafda her tepe noktası çifti arasında bir yol varsa graf bağlantılıdır. Başka bir deyişle, bağlantılı bir grafda her tepe noktası, bazı kenar dizileri aracılığıyla diğer tüm tepe noktalarına ulaşabilir. İyi bir örnek, herkesin birbirine ulaşabildiği bir sosyal ağ grafıdır.

Graf Türleri

Graf teorisi, her biri farklı uygulama ve analizler için uygun çeşitli graf türlerini kapsar. Bu bölümde bu türleri inceleyecek, temel yapılarını tartışacak ve uygulama örnekleri sunacağız. Bu sayede, belirli sorunları çözerken ve gerçek dünya senaryolarını doğru şekilde modellerken her bir türü ne zaman kullanmanız gerektiğini anlayacaksınız.

Basit Graf

Basit bir grafın görselleştirilmesi Kaynak: Vikipedi

Basit graf, aynı tepe noktası çifti arasında birden fazla kenarın (bir çifti birden çok kenar bağlaması) veya öz döngülerin (bir tepe noktasını yine kendisine bağlayan kenarlar) bulunmadığı bir graf türüdür. Basit bir grafda her kenar iki farklı tepe noktasını bağlar.

Örnekler:

• Her arkadaşlığın iki kişi arasında tek bir bağlantıyla temsil edildiği temel bir sosyal ağ.
• Şehirleri çoklu güzergâhlar veya öz bağlantılar olmaksızın tek, doğrudan yolların bağladığı bir harita.

Çoklu Graflar

Kırmızı renkte çoklu kenarların, mavi renkte ise çeşitli öz döngülerin bulunduğu bir Çoklu Graf görselleştirmesi Kaynak: Vikipedi

Çoklu graf, aynı tepe noktası çifti arasında birden fazla kenara (paralel kenarlar) izin verir ve öz döngüler de içerebilir. Bu tür graf, varlıklar arasında birden fazla etkileşim veya bağlantının bulunduğu durumları temsil edebilir.

Örnekler:

• Aynı şehirler arasında birden fazla havayolunun uçuş yaptığı bir ulaşım ağı.
• Aynı iletişim düğümü çiftini bağlayan birden fazla kanalın bulunduğu bir iletişim ağı.

Ağırlıklı Graflar

Ağırlıklı bir grafın görselleştirilmesi Kaynak: Hyperskill

Ağırlıklı bir grafda, her kenara mesafe, zaman veya kapasite gibi nicel bir ölçüyü temsil eden bir ağırlık veya maliyet atanır. Ağırlıklı graflar, kenarların farklı güçlere veya maliyetlere sahip olduğu problemleri modellemek için kullanılır.

Uygulamalar:

• Yollarla bağlanan şehirlerin bulunduğu bir haritada, ağırlıklar şehirler arasındaki mesafeleri veya seyahat sürelerini temsil edebilir.
• Bir ağ optimizasyonu probleminde, ağırlıklar bant genişliğini veya iletişim bağlantılarının maliyetini temsil edebilir.

Yönlü Graflar (Digraflar)

Yönlü bir grafın görselleştirilmesi Kaynak: Vikipedi

Yönlü graf veya digrafda, kenarların belirli bir yönü vardır; yani her kenar bir tepe noktasından farklı bir tepe noktasına gider. Yön genellikle akış veya tek yönlü ilişkiyi belirten bir okla gösterilir.

Kullanım alanları:

• Görevlerin belirli bir sırayla tamamlanması gereken iş akışı diyagramı.
• Bir web sayfasının başka bir sayfaya işaret eden bağlantıları; tek yönlü bir bağlantıyı temsil eden köprüler.

Yönsüz Graflar

Yönsüz bir grafın görselleştirilmesi Kaynak: Baeldung

Yönsüz bir grafda kenarların yönü yoktur. Bir kenar sadece iki tepe noktasını bağlar ve ilişki karşılıklıdır veya çift yönlüdür. Bir kenardaki tepe noktalarının sırası önemli değildir.

Örnekler:

• Arkadaşlığın karşılıklı olduğu ve bağlantıların çift yönlü olduğu bir arkadaş ağı.
• Yön belirtilmeksizin yolların şehirleri her iki yönde de bağladığı bir yönsüz yol haritası.

Ağaç Graf Teorisi

Bir ağaç, bağlantılı ve çevrimsiz bir graf türüdür; yani çevrim içermez. $$n$$ tepe noktasına sahip bir ağaçta tam olarak $$n−1$$ kenar bulunur. Ağaçtaki her tepe noktası çifti tam olarak bir yolla bağlanır; bu da herhangi iki tepe noktası arasında tekil bir yol bulunduğu anlamına gelir.

İşte bir ağaç grafın özelliklerinin kısa bir özeti: 

• Bağlantılı. Her tepe noktası çifti arasında bir yol vardır.
• Çevrimsiz. Kapalı döngülerin olmamasını sağlayan çevrimler yoktur.
• Tekil yol. Her iki tepe noktası arasında tam olarak bir yol vardır; bu da grafın asgari düzeyde bağlantılı olduğunu ima eder.
• Kenar sayısı. $$n$$ tepe noktasına sahip bir ağaçta $$n−1$$ kenar bulunur.
• Alt ağaç: Bir tek tepe noktası dahil bir ağacın herhangi bir alt kümesi de bir ağaçtır ve alt ağaç olarak adlandırılır.
• Yaprak düğümler. Tam olarak bir kenarı bulunan tepe noktalarına yaprak veya yaprak düğüm denir. Bunlar ağacın uç noktalarıdır.

Ağaç graflar diğer graflardan nasıl ayrılır? 

Genel graflardan farklı olarak, ağaçlar çevrim içermez. Bu da herhangi bir çevrim içeren grafın ağaç olarak sınıflandırılamayacağı anlamına gelir. 

$$n$$ tepe noktasına sahip bir ağaçta tam olarak $$n−1$$ kenar bulunurken, genel graflarda kenar sayısı değişken olabilir; çoklu kenarlar ve öz döngüler de bulunabilir. Bir diğer fark, ağaçlar her zaman bağlantılıdır; oysa genel graflar bağlantısız olabilir ve her biri bir ağaç olabilecek birden fazla bileşenden oluşabilir. 

Ayrıca, bir ağaçta herhangi iki tepe noktası arasında tam olarak bir yol vardır; çevrimler veya çoklu kenarlar içeren diğer graflarda ise tepe noktaları arasında birden fazla yol bulunabilir.

Uygulamalar

Ağaçlar, bilişimin hem kuramsal hem de pratik yönlerinde ve verinin düzenlenmesinde temeldir. Birçok yapısal ve algoritmik problem için son derece verimli çözümler sunarlar. Örneğin: 

Veri yapıları

• İkili Ağaçlar: Veriyi hiyerarşik olarak düzenlemek için bilgisayar biliminde kullanılır. Örneklere, hızlı veri getirme ve sıralama sağlayan ikili arama ağaçları dahildir.
• Yığınlar (Heaps): Öncelik kuyruklarında maksimum veya minimum öğeyi verimli biçimde yönetmek ve almak için kullanılan bir ikili ağaç türü.
• B-Ağaçlar: Veritabanları ve dosya sistemlerinde veriyi verimli şekilde saklama ve getirme için kullanılır; ekleme, silme ve arama gibi işlemleri destekler.

Ağ tasarımı

• Yönlendirme: Ağaçlar, bir ağ boyunca veri iletimi için en verimli yolu belirlemek üzere (yayılım ağaçları gibi) ağ yönlendirme protokollerinde kullanılır.
• Yayınlama: Ağ tasarımında, ağaç yapıları verinin tüm düğümlere en az yinelenmeyle dağıtılmasını sağlayarak verimli veri yayınına yardımcı olur.

Hiyerarşi temsili

• Dosya Sistemleri: Dosya sistemleri, dizinleri ve alt dizinleri temsil etmek için sıklıkla ağaç yapıları kullanır; bu da dosyaların hiyerarşik düzenini yansıtır.
• Organizasyon Şemaları: Ağaçlar, raporlama yapıları ve farklı roller arasındaki ilişkileri gösteren kurumsal hiyerarşileri modellemek için kullanılır.

Ayrıştırma ve sözdizimi analizi

• Soyut Sözdizim Ağaçları (AST): Derleyiciler ve yorumlayıcılarda kaynak kodun sözdizimsel yapısını temsil etmek için kullanılır. AST’ler sözdizimi denetimi ve kod optimizasyonunu kolaylaştırır.

Graf Teorisi Uygulamaları

Graf teorisinin çeşitli alanlarda çok geniş uygulamaları vardır. Karmaşık problemleri çözmede ve sistemleri optimize etmede önemli bir rol oynar. Bunun örnekleri aşağıdaki uygulamalarda görülebilir: 

Bilgisayar bilimi: ağlar, algoritmalar ve veri yapıları

Graf teorisi, bilgisayar biliminde ağ sistemleri tasarlayıp analiz etmek, algoritmalar geliştirmek ve veriyi yapılandırmak için temel oluşturur. Örneğin, ağ iletişimi cihazlar arasındaki bağlantıları modellemek ve yönetmek için graf teorisine büyük ölçüde dayanır. Özellikle, ağ topolojileri veri iletimini ve yönlendirmeyi optimize etmek için graf olarak temsil edilir. 

Dijkstra ve Kruskal gibi algoritmalar sırasıyla en kısa yol ve en küçük yayılım ağacı problemlerini çözmek için kullanılır. Ayrıca, graf teorisi, verimli veri işleme ve alma için temel olan komşuluk listeleri ve matrisleri gibi veri yapılarının temelini oluşturur.

Biyoloji: biyolojik ağların modellenmesi

Graf teorisi biyolojide de etkilidir. Aşağıdaki gibi karmaşık biyolojik ağları modellemek ve analiz etmek için kullanılır: 

• Protein-protein etkileşim ağları
• Metabolik yollar
• Gen düzenleyici ağlar

Bu ağlar, tepe noktalarının biyolojik varlıkları (ör. proteinler, genler) ve kenarların bunlar arasındaki etkileşimleri veya ilişkileri temsil ettiği graflar olarak gösterilir. 

Bu yaklaşım, araştırmacıların biyolojik sistemlerdeki karmaşık ilişkileri anlamasına, işlevsel sonuçları öngörmesine ve ilaç geliştirme için potansiyel hedefleri belirlemesine yardımcı olur.

Sosyal bilimler: sosyal ağ analizi

Sosyal bilimlerde graf teorisi, bireylerin tepe noktaları ve etkileşimlerinin veya ilişkilerinin kenarlar olarak tasvir edildiği sosyal ağları analiz etmek için kullanılır. 

Bu analiz, sosyal yapıları, etki kalıplarını ve topluluk dinamiklerini anlamaya yardımcı olur. Merkeziyet ve bağlantılılık gibi kavramların uygulanması, araştırmacıların kilit etkileyicileri belirlemesine, bilginin yayılımını incelemesine ve sosyal davranışları analiz etmesine olanak tanır.

Ulaştırma: trafik akışı ve kentsel planlama 

Çoğu insan bunu bilmez, ancak yollar, kavşaklar ve toplu taşıma hatları şu amaçlarla graf olarak modellenir: 

• Trafik akışını optimize etmek
• Sıkışıklığı azaltmak
• Rota planlamasını iyileştirmek. 

Grafa dayalı algoritmalar, verimli ulaşım ağları tasarlamaya, toplu taşıma sistemlerini yönetmeye ve kentsel altyapıyı planlamaya yardımcı olur. Bu ağların analiz edilmesi, plancıların şehirlerde hareketliliği ve bağlantılılığı artırmak için bilinçli kararlar almasına yardımcı olur.

Basit Bir Grafın Kurulumu ve Analizinin Adım Adım Anlatımı

Artık temelleri anladınız ve graf teorisinin uygulamalarını biliyorsunuz. 

Şimdi kendi basit grafınızı oluşturmaya ve analiz etmeye hazırsınız. Basitlik adına bu adım adım anlatımı iki bölüme ayırdık: 

• Kurulum 
• Analiz

Buradan başlamanın en mantıklı kısmı kurulum – haydi başlayalım… 

Basit bir grafın kurulumu

Adım 1: Problemi tanımlayın. 

Küçük bir arkadaş ağını bir sosyal ağda modellemek istediğimizi varsayalım. 

Bunu modellemek için, ağ analizi için oluşturulmuş NetworkX kütüphanesini Python’da kullanabiliriz. 

Bir graf oluşturarak başlayalım: 

# Import libraries 
import networkx as nx # Network analysis
import matplotlib.pyplot as plt # Data visualization
import pydot # Python interface to Graphviz
from networkx.drawing.nx_pydot import graphviz_layout
# Create a graph
graph = nx.Graph() 

Adım 2: Tepe noktalarını belirleyin. 

Kurgusal sosyal ağımızda dört kişi var: Alice, Bob, Carol ve Dave. Bu kişiler grafımızda tepe noktaları olarak temsil edilecek – unutmayın, bu modellediğimiz yapıda bir varlığı veya konumu temsil eder.

Python’da tepe noktalarını şu şekilde oluştururuz:

# Add the nodes 
# graph.add_node("Alice") --> Add one node per time
graph.add_nodes_from([
    "Alice","Bob", "Carol", "Dave"
]) # Add multiple nodes

Adım 3: Kenarları belirleyin. 

Arkadaşlık bağlantılarının şu şekilde olduğunu varsayalım:

• Alice, Bob ve Carol ile arkadaştır.
• Bob, Alice ve Dave ile arkadaştır.
• Carol, Alice ile arkadaştır.
• Dave, Bob ile arkadaştır.

Bu da şu ilişkilerin kenarları oluşturduğu anlamına gelir:

• Alice-Bob
• Alice-Carol
• Bob-Dave

Python’da kenarları şu şekilde tanımlarız: 

# Add the edges
# graph.add_edge("Alice", "Bob") --> Add one edge per time
graph.add_edges_from([("Alice", "Bob"), 
                      ("Alice", "Carol"),
                      ("Bob", "Dave"),
                      ("Bob", "Alice")  # Ensuring all described edges are included
                     ]) # Add multiple edges

Adım 4: Grafı çizin.

Tepe noktaları ve kenarlar tanımlandıktan sonra, ilişkileri görselleştirmek için grafı çizebiliriz. Aşağıdaki kod parçası, etiketli tepe noktaları ve kenarlarla ağın görsel bir gösterimini oluşturacaktır:

# Visualize the plot
pos = graphviz_layout(graph, prog="dot")
nx.draw(graph, 
        pos, 
        with_labels=True, 
        node_size=1000, 
        node_color=["pink", "yellow", "tan", "orange"])
plt.show()

Çıktı: Bu, Alice, Bob, Carol ve Dave arasındaki bağlantıları tarif edildiği şekilde gösteren bir graf oluşturacaktır.

Bu kod aşağıdaki grafı üretir: 

Bir sosyal ağı modelleyen basit bir graf [yazar tarafından oluşturulmuştur]

Kendi sosyal ağınızı modellemek isterseniz, bu DataLab Defterini kopyalayıp gerekli değişiklikleri yapın. 

Basit Grafın Analizi

Adım 1: Bağlantılılığı kontrol edin. 

Herhangi bir tepe noktasından diğerine bazı kenar dizileri üzerinden geçebildiğimiz için graf bağlantılıdır. 

Bunu daha iyi kavramsallaştırmak için, her tepe noktası çifti arasındaki yol şöyledir: 

• Alice’tan Bob’a: Doğrudan kenar.
• Alice’tan Carol’a: Doğrudan kenar.
• Alice’tan Dave’e: Bob üzerinden.
• Bob’tan Carol’a: Alice üzerinden.
• Bob’tan Dave’e: Doğrudan kenar.
• Carol’dan Dave’e: Alice ve Bob üzerinden.

Adım 2: Her tepe noktasının derecesini belirleyin. 

Unutmayın, bir tepe noktasının derecesini “ona bağlı kenarların sayısı” olarak tanımlamıştık. Bu bilgiyi örneğimize uyguladığımızda şunları bulacağız: 

• Alice = derece 2 (Bob ve Carol’a bağlı)
• Bob = derece 2 (Alice ve Dave’e bağlı)
• Carol = derece 1 (Alice’e bağlı)
• Dave = derece 1 (Bob’a bağlı)

Her derecenin belirlenmesi, verilen arkadaşlıklara göre her tepe noktasıyla ilişkili kenarların sayısının sayılmasıyla yapılır.

Adım 3: Yolları ve çevrimleri belirleyin.

Alice ile Dave arasındaki bir yol Alice → Bob → Dave olabilir.

Grafda, başlangıç tepe noktasına adımları geri izlemeksizin dönen yollar bulunmadığından çevrim yoktur.

Adım 4: Merkeziyeti bulun.

Alice ve Bob bu ağda merkezidir; çünkü her biri üç diğer tepe noktasına bağlanır. Carol ve Dave daha az merkezidir; her biri yalnızca bir başka tepe noktasına bağlanır.

Sonuç

Graf teorisi, çeşitli alanlarda bulunan karmaşık ilişkileri ve yapıları incelemek ve çözmek için sağlam bir çerçeve sunar. Tepe noktaları, kenarlar ve farklı graf türleri gibi temel kavramları anlayarak ve bunların pratik uygulamalarını keşfederek, sistemleri optimize etme ve gerçek dünya sorunlarını çözme konusunda değerli içgörüler edinebilirsiniz.

Graf teorisini keşfetmeye devam ederken, ilkelerinin yalnızca kuramsal olmadığını unutmayın — gerçek dünya zorluklarıyla başa çıkmak, bağlantılılığı geliştirmek ve sistem verimliliğini artırmak için esastırlar. Graf teorisini sağlam bir şekilde anlamak, problem çözme becerilerinizi geliştirir ve çevremizdeki birbirine bağlı sistemlere daha derin bir bakış açısı kazandırır.

Graf teorisine ilişkin anlayışınızı geliştirmek için, bu yazıda ele aldıklarımızı genişleten şu daha ileri kaynaklara göz atın: 

• Graf Sinir Ağlarına (GNN) Kapsamlı Bir Giriş 
• Python’da NetworkX ile Graf Optimizasyonu
• Python ile Karar Ağacı Sınıflandırması Eğitimi