Core Concepts
HYPEBOYは、ハイパーエッジ補完という自己教師学習タスクに基づいて、複雑なハイパーグラフ構造を効果的にエンコードする表現を学習する。
Abstract
本論文では、ハイパーグラフ表現学習のための新しい自己教師学習手法HYPEBOYを提案している。
まず、ハイパーエッジ補完という自己教師学習タスクを定式化する。このタスクでは、与えられた部分集合に対して、欠落しているノードを予測することを目的とする。理論的分析により、このタスクが下流の重要なタスクである節点分類に効果的に寄与することを示す。
次に、ハイパーエッジ補完タスクに基づいたHYPEBOYを提案する。HYPEBOYは、(1)過度な近接性への依存を抑制する特徴量・トポロジー拡張、(2)次元の崩壊を防ぐ射影ヘッド、(3)表現の一様性と整列性を促進する損失関数設計など、ハイパーグラフ表現学習に適した設計を備えている。
実験では、HYPEBOYが11のベンチマークデータセットにおいて、ノード分類とハイパーエッジ予測の両タスクで最良の性能を示すことを確認した。さらに、各設計要素の有効性を検証した。
Stats
ハイパーグラフ上のノード数は、Citeseerで3,327、Coraで2,708、Pubmedで19,717、Cora-CAで1,870、DBLP-Pで17,716、DBLP-Aで4,057、AMinerで57,723、IMDBで1,500、MN-40で40、20Newsで18,846、Houseで435である。
Quotes
"HYPEBOYは、ハイパーエッジ補完という自己教師学習タスクに基づいて、複雑なハイパーグラフ構造を効果的にエンコードする表現を学習する。"
"HYPEBOYは、(1)過度な近接性への依存を抑制する特徴量・トポロジー拡張、(2)次元の崩壊を防ぐ射影ヘッド、(3)表現の一様性と整列性を促進する損失関数設計など、ハイパーグラフ表現学習に適した設計を備えている。"