予測して伝播：グラフニューラルネットワークとパーソナライズドページランクの出会い

グラフ上の半教師付き分類に対するニューラルメッセージ伝播アルゴリズムが最近大きな成功を収めています。しかし、これらの手法はノードの分類に際して、数ステップの伝播距離にあるノードのみを考慮し、利用される近傍の範囲を拡大することが困難です。本論文では、グラフ畳み込みネットワーク（GCN）とPageRankとの関係性を利用し、パーソナライズされたPageRankに基づく改良された伝播スキームを導出します。この伝播手順を利用して、単純なモデルであるパーソナライズされたニューラル予測の伝播（PPNP）およびその高速近似版APPNPを構築します。当モデルの学習時間は従来のモデルと同等かそれよりも速く、パラメータ数も同等かそれよりも少ないです。また、分類に際して広範で調整可能な近傍を利用することができ、任意のニューラルネットワークと簡単に組み合わせることができます。我々はGCN類似モデルに関するこれまでで最も包括的な研究において、当モデルがいくつかの最近提案された半教師付き分類手法を上回ることを示しています。当実装はオンラインで公開されています。注：「PPNP」は「Personalized Propagation of Neural Predictions」、「APPNP」は「Approximate Personalized Propagation of Neural Predictions」の略称です。