要約
グラフやネットワークデータは、現実世界において至る所に存在し、ソーシャルネットワーク、情報ネットワーク、交通ネットワーク、生物学的ネットワーク、および様々な技術的なネットワークを含んでいます。グラフデータの非ユークリッド性は、そのモデリングと分析に挑戦を与えています。最近、グラフニューラルネットワーク（GNNs）が提案され、ノード埋め込み、リンク予測、ノード分類などのグラフデータに関するタスクを処理するための一般的で強力なフレームワークとして注目を集めています。GNNsの代表的な実装であるグラフアテンションネットワーク（GATs）は、実際のデータセットでの多様なタスクに成功裏に適用されています。しかし、GATは正のリンクのみを持つネットワーク向けに設計されており、正と負のリンクを両方含む符号付きネットワークには対応していません。本論文では、符号付きグラフアテンションネットワーク（SiGATs）を提案し、GATを符号付きネットワークへと拡張します。SiGATは、平衡理論と地位理論という符号付きネットワーク研究における2つの有名な理論を捉えるために、グラフモチーフをGATに組み込んでいます。SiGATでは、モチーフが柔軟な構造パターンを提供し、符号付きネットワーク上でメッセージを集約し伝播させてノード埋め込みを生成します。提案されたSiGAT手法の評価のために、符号付きリンク予測タスクに適用しました。3つの実際のデータセットに対する実験結果は、SiGATが特徴量ベースの手法やネットワークラベル法だけでなく、最新のGNNベースの手法である符号付きグラフ畳み込みニューラルネットワーク（SGCN）なども上回っていることを示しています。