要約
グラフ全体の表現に関する課題は、主にグラフ構造データ上で畳み込みニューラルネットワーク（CNNs）を学習することにより、注目すべき結果が多数報告されています。CNNsはグラフ分類タスクにおいて最先端の性能を示していますが、これらの手法は監督学習であり、タスクに依存しないネットワーク表現という本来の問題から逸れています。本研究では、グラフ全体を埋め込むための一貫したアプローチを提案し、SVM分類器を使用した特徴表現がCNNアルゴリズムや伝統的なグラフカーネルの分類精度を向上させることを示します。そのために、最近発見されたグラフオブジェクトである匿名ウォーク（anonymous walk）について説明し、明示的かつ分散型でタスクに依存しないグラフ表現学習アルゴリズムを設計します。全体として、本研究は最先端のグラフ全体表現の新しいスケーラブルな非監督学習方法を代表しています。