Core Concepts
時間グラフの進化する表現を効率的に捉えるための新しいフーリエ変換の手法を提案する。
Abstract
本研究では、時間とともに変化する動的グラフの表現を効率的に捉えるための新しいフーリエ変換手法「Evolving Graph Fourier Transform (EFT)」を提案している。
まず、時間とともに変化するグラフのラプラシアンの変分形式を最適化することで、グラフ頂点領域と時間領域の両方の周波数成分を捉えるスペクトル変換を導出する。この変換は、グラフの時間的な変化に応じて変化する周波数成分を表現できる。
次に、この最適化問題をϵ-擬スペクトルの緩和問題として定式化することで、計算効率の良い解を得る。理論的には、この近似解と正確な解の差が、グラフの時間的変化の速さに応じて上界付けられることを示す。
最後に、提案手法EFTを用いて時間グラフの信号をフィルタリングする簡単なニューラルネットワークモデルを構築し、大規模な時間グラフデータセットで実験的に評価する。その結果、EFTが時間グラフの表現学習に有効であることを示している。
Stats
時間グラフの変化速度が遅ければ、EFTと正確な解の差は小さくなる。
時間グラフの変化速度が速ければ、EFTと正確な解の差は大きくなる。
Quotes
時間とともに変化するグラフの表現を効率的に捉えるためには、グラフ頂点領域と時間領域の両方の周波数成分を考慮する必要がある。
時間グラフの表現学習では、局所的な情報伝播だけでなく、非局所的な依存関係も重要である。