変分再帰型ニューラルネットワークを用いたグラフ分類

我々は構造情報のみに基づくグラフ分類の問題に取り組んでいます。自然言語処理技術（NLP）に着想を得て、当モデルは情報を逐次的に埋め込み、クラス所属確率を推定します。さらに、NLP風の変分正則化技術を実験し、シーケンスを読み込む際に次のノードを予測させるようにモデルを設計しました。実験結果から、当モデルがいくつかの標準的な分子データセットで最先端の分類結果を達成していることを示しています。最後に、質的分析を行い、ノード予測がグラフの分類性能向上にどのように寄与するかについて考察します。