ディープグラフマッチングコンセンサス

本研究では、グラフ間の構造的対応関係を学習および精緻化するための二段階型ニューラルアーキテクチャを提案する。第一段階として、グラフニューラルネットワークによって計算された局所的なノード埋め込みを用いて、ノード間のソフト対応関係の初期順位付けを実現する。第二段階では、同期的メッセージパッシングネットワークを用いて、グラフ内の局所的近傍における対応関係の一致（consensus）に到達するまで、ソフト対応関係を反復的に再順位付けする。理論的および実証的に、本研究のメッセージパッシングスキームが対応する近傍領域に対する根拠ある一致度測度を計算できることを示し、その測度を反復的な再順位付けプロセスのガイドとして用いる。本アーキテクチャは完全に局所的かつスパース性に配慮した設計であり、大規模な実世界データに対しても良好なスケーラビリティを発揮しつつ、一貫してグローバルな対応関係を回復可能である。コンピュータビジョンおよび知識グラフ間のエンティティアライメントという実世界のタスクにおいて、本手法の実用的有効性を検証し、既存の最先端手法を上回ることを示した。本研究のソースコードは、https://github.com/rusty1s/deep-graph-matching-consensus にて公開されている。