本稿は、グラフ異質性学習に関する包括的なレビューを提供する。
まず、グラフ異質性の定量化手法を概説する。ノード同質性、エッジ同質性、クラス同質性などの代表的な指標を紹介し、それらの特徴と限界を議論する。また、最新のベンチマークデータセットを詳細に解説する。
次に、グラフ異質性に対応したグラフニューラルネットワークモデルを体系的に整理する。スペクトルフィルタベースのモデル、高次近傍を活用するモデル、グローバルな同質性を探索するモデル、メッセージパッシングを改善するモデルなど、多様なアプローチを紹介する。さらに、自己教師あり学習やプロンプト学習などの新しい学習パラダイムについても言及する。
最後に、グラフ異質性の実世界応用例を示し、今後の研究課題と展望を提示する。グラフ異質性学習は重要な研究領域であり、本稿の内容は、この分野の研究者や実践者にとって有益な知見を提供するものと期待される。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies