本論文は、グラフ表現学習の性能を向上させるための隣接ノードレベルのメッセージ相互作用エンコーディング手法を提案している。
メッセージ伝播フレームワークは、現在のグラフ畳み込みネットワークの中心的な枠組みであり、ノードの埋め込みを、そのノードの局所近傍から集約したメッセージに基づいて更新する。しかし、ほとんどの既存の集約手法では、集約されたメッセージにノードレベルのメッセージ相互作用情報がエンコーディングされていないため、埋め込み生成プロセスで情報が失われる可能性がある。この情報の損失は、モデルに層が追加されるにつれて蓄積される可能性がある。
本手法では、各ノードの局所近傍から集約したメッセージに加えて、各近傍ノードからのメッセージと他の近傍ノードからのメッセージとの相互作用をエンコーディングする。これにより、ノードレベルのメッセージ相互作用情報がノードの埋め込みに統合される。
提案手法は、メッセージ伝播型のグラフ畳み込みネットワークに一般的に適用可能である。本研究では、GCNとGatedGCNをベースモデルとして検証を行った。6つの一般的なベンチマークデータセットを用いた実験の結果、提案手法はベースモデルの性能を一貫して向上させ、グラフ表現学習の最先端の結果を達成することができた。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies