CKGConv: 連続カーネルを用いた一般グラフ畳み込み

既存のグラフ畳み込みの定義は、空間的またはスペクトル的な観点から見ても、柔軟性に欠け、統一されていません。グラフ領域における一般的な畳み込み演算子を定義することは、正規座標の欠如、不規則構造の存在、およびグラフ対称性の特性により困難です。本研究では、グラフ位置エンコーディングによって得られる疑似座標を用いてカーネルを連続関数としてパラメータ化することで、新しいかつ一般的なグラフ畳み込みフレームワークを提案します。この方法を「Continuous Kernel Graph Convolution（CKGConv）」と名付けました。理論的には、CKGConvが柔軟で表現力豊かであることを示しています。CKGConvは多くの既存のグラフ畳み込みを包含し、非同型グラフの区別能力においてグラフトランスフォーマーと同等の強力な表現力を有することが示されています。実証的にも、様々なグラフデータセットにおいてCKGConvに基づくネットワークが既存のグラ芙畳み込みネットワークを上回り、最良のグラフトランスフォーマーと同等の性能を発揮することを示しています。コードとモデルは公開されており、https://github.com/networkslab/CKGConv からアクセスできます。