Core Concepts
グラフデータの拡張手法として、Gromow-Wasserstein重心を活用することで、グラフ分類タスクの性能向上が可能である。
Abstract
本論文では、グラフデータの拡張手法として、Gromow-Wasserstein重心を活用する手法を提案している。
グラフデータは複雑で非ユークリッド的な構造を持つため、従来の拡張手法の適用が難しい。そこで本手法では、グラフの生成メカニズムをモデル化するグラフォンを活用する。
具体的には、各クラスのグラフォンを推定し、それらから新たなグラフをサンプリングすることで、データ拡張を行う。実験の結果、この手法によりグラフ分類タスクの性能が向上することが示された。
また、非ユークリッド距離であるGromow-Wasserstein距離を用いることで、グラフォンの推定精度が向上することも確認された。
本手法は、真のグラフォンが不明な実世界のデータに対して、グラフォン推定手法の検証にも活用できる。
Stats
グラフォンを用いた拡張データを1%、5%、10%、25%加えることで、以下の分類精度の改善が見られた:
LFRデータセット: 最大0.6%の改善
IMDBデータセット: 最大1.7%の改善
ENZYMESデータセット: 最大6.1%の改善
Quotes
"グラフォンは、グラフオブジェクトの生成モデルとして特に有用である。"
"非ユークリッド距離であるGromow-Wasserstein距離を用いることで、グラフォンの推定精度が向上する。"