struc2vec: 構造的同一性からノード表現を学習する

構造的同一性とは、ネットワークのノードがネットワーク構造と他のノードとの関係に基づいて識別される対称性の概念である。この概念は理論的にも実践的にも過去数十年にわたって研究されてきたが、表現学習技術を用いた取り組みは最近になってから始まった。本研究では、struc2vecという新しいかつ柔軟なフレームワークを提案し、ノードの構造的同一性の潜在表現を学習する方法を示す。struc2vecは階層構造を使用して異なるスケールでのノード類似度を測定し、多層グラフを構築して構造的な類似性を符号化し、ノードの構造的コンテキストを生成する。数値実験によると、最新のノード表現学習技術は強い意味での構造的同一性を捉えることができない一方で、struc2vecはこのタスクにおいて著しく優れた性能を示しており、従来のアプローチの制限を超えることができる。その結果、数値実験はstruc2vecが分類タスクにおいてより構造的同一性に依存した性能向上をもたらすことを示している。