본 논문에서는 그래프 생성과 예측(회귀, 분류) 작업을 하나의 프레임워크로 통합하는 새로운 그래프 생성 모델인 잠재 그래프 확산(LGD)을 제안합니다.
GraphMaker는 대규모 속성 그래프 생성을 위해 특별히 설계된 새로운 확산 모델로, 기존 방법보다 현실적인 속성 그래프 생성하고, 그래프 머신러닝 모델 개발에 높은 효용성을 제공합니다.
베타 분포 기반의 확산 프로세스를 활용한 새로운 그래프 생성 모델인 GBD(Graph Beta Diffusion)는 기존 가우시안 또는 범주형 확산 모델의 한계를 극복하고, 실제 그래프 데이터의 특징인 불연속적인 구조와 연속적인 노드 속성을 효과적으로 모델링하여 현실적인 그래프 생성을 가능하게 한다.
스펙트럼 분해와 확산 프로세스를 기반으로 한 새로운 그래프 생성 모델 소개