要約
グラフニューラルネットワーク（GNN）は、分子特性予測からソーシャルネットワークの分析まで、多くの構造化データ領域で成功裏に応用されています。GNNの広範な適用可能性に着目し、我々はニューラル学習ランキング（Learning to Rank: LtR）手法とGNNを組み合わせたRankGNNファミリーを提案します。RankGNNは、グラフ間のペアワイズな優先度の集合を使用して訓練されます。これは、あるグラフが他のグラフよりも優れていることを示唆しています。この問題の実用的な応用例として、薬物スクリーニングがあります。専門家が多数の候補薬の中から最も有望な分子を見つけることが求められます。我々は実験的に、提案したペアワイズRankGNNアプローチが、GNNに基づくグラフ回帰を用いてLtR問題を解く単純なポイントワイズ基線アプローチよりも著しく優れたり、少なくとも同等のランキング性能を示すことを証明しました。