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.
Sang ngôn ngữ khác
từ nội dung nguồn
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Fatemeh Ghol... lúc arxiv.org 09-10-2024
https://arxiv.org/pdf/2311.12741.pdfYêu cầu sâu hơn