이 논문은 그래프 신경망(GNN)에서 노드 콘텐츠 정보의 영향력이 감소하는 문제를 해결하기 위한 새로운 방법을 제안한다.
첫 번째 방법인 AugS-GNN은 구조적 임베딩과 콘텐츠 임베딩을 결합하여 노드 표현을 생성한다. 콘텐츠 임베딩은 오토인코더를 사용하여 생성된다. 이를 통해 높은 GNN 레이어에서도 노드 콘텐츠 정보의 영향력을 유지할 수 있다.
두 번째 방법인 AugSS-GNN은 구조 그래프와 별도의 콘텐츠 그래프를 구축하고, 두 그래프에 GNN을 적용하여 결과를 통합한다. 이를 통해 노드 콘텐츠 정보를 GNN에 효과적으로 통합할 수 있다.
실험 결과, 제안된 방법들은 다양한 실세계 데이터셋에서 기존 GNN 모델과 비교하여 높은 성능을 보였다. 특히 AugS-GNN은 충분한 학습 데이터가 있는 경우 우수한 성능을 보였고, AugSS-GNN은 반지도 학습 환경에서 뛰어난 결과를 나타냈다.
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések