本論文は、グラフ生成のための新しい双曲幾何潜在拡散モデルHypDiffを提案している。
まず、グラフデータの非ユークリッド構造の異方性を捉えるために、双曲幾何に基づく潜在表現を学習する。これにより、グラフの階層的構造や類似性などの重要な特性を保持できる。
次に、HypDiffでは、双曲幾何空間での拡散プロセスを設計する。具体的には、半径方向の制約と角度方向の制約を組み合わせることで、グラフの元の位相的特性を保持しつつ効率的な拡散を実現する。
半径方向の制約は、双曲幾何空間での拡散の方向と速度を制御し、グラフの階層的構造を保持する。一方、角度方向の制約は、グラフの局所的な接続パターンを保持する。
これらの幾何学的制約を導入することで、HypDiffは従来のグラフ拡散モデルよりも優れたグラフ生成性能を示す。実験結果から、HypDiffは合成データと実世界データの両方で優れた性能を発揮することが確認された。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Xingcheng Fu... kl. arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03188.pdfDybere Forespørgsler