グラフの同質性を高めるための適応的スペクトル・クラスタリングを用いたグラフ再構築

本研究では、既存のグラフニューラルネットワーク(GNN)の性能を向上させるために、グラフの同質性を最大化するようにグラフを再構築する手法を提案する。提案手法は、スペクトル・クラスタリングを拡張し、グラフのスペクトルを適応的に分割することで、ノードラベルとの整合性が高いクラスタリングを実現する。さらに、ラベルの偏りに頑健な新しい同質性指標を導入し、グラフの密度を考慮した再構築を行う。