초록
많은 중요한 문제들은 그래프 데이터에서 학습하는 형태로 표현될 수 있습니다. 본 연구에서는 임의의 그래프에 대한 컨벌루션 신경망(CNN) 학습 프레임워크를 제안합니다. 이 그래프들은 무방향, 유방향일 수 있으며, 노드와 엣지 속성이 이산적이거나 연속적일 수도 있습니다. 이미지 기반의 컨벌루션 네트워크가 입력의 국소적으로 연결된 영역에서 작동하는 것과 유사하게, 우리는 그래프에서 국소적으로 연결된 영역을 추출하기 위한 일반적인 접근 방식을 제시합니다. 기존 벤치마크 데이터 세트를 사용하여, 학습된 특징 표현이 최신 그래프 커널들과 경쟁력이 있으며 그 계산이 매우 효율적임을 입증하였습니다.