要約
リンク予測はグラフ構造データにおける重要な課題の一つである。グラフニューラルネットワークの発展に伴い、教師なしの方法でグラフ埋め込みを学習するためのグラフオートエンコーダ（GAE）および変分グラフオートエンコーダ（VGAE）が提案された。これらの手法がリンク予測タスクにおいて有効であることが示されている。しかし、次数がゼロ（すなわち孤立ノード）のノードを含む場合、従来の手法は十分な性能を発揮しない。本研究では、GAE/VGAEが孤立ノードの埋め込みを、そのコンテンツ特徴にかかわらずゼロに近づける傾向があることを発見した。そこで本論文では、L2正規化を活用して孤立ノードの埋め込みをより適切に表現する新しい変分グラフ正規化オートエンコーダ（VGNAE）を提案する。実験の結果、本手法は既存の最先端モデルを上回るリンク予測性能を達成した。コードは以下のURLで公開されている：https://github.com/SeongJinAhn/VGNAE。