struc2vec: 구조적 동일성에서 노드 표현 학습

구조적 동일성은 네트워크 노드가 네트워크 구조와 다른 노드와의 관계에 따라 식별되는 대칭의 개념입니다. 구조적 동일성은 이론과 실무에서 수십 년간 연구되어 왔지만, 최근에야 표현 학습 기법을 통해 다루어졌습니다. 본 연구에서는 struc2vec이라는 새로운 그리고 유연한 프레임워크를 제시하여 노드의 구조적 동일성을 위한 잠재 표현을 학습합니다. struc2vec는 계층 구조를 사용하여 다양한 스케일에서 노드 유사성을 측정하고, 구조적 유사성을 인코딩하며 노드의 구조적 맥락을 생성하기 위해 다중층 그래프를 구성합니다. 수치 실험 결과, 최신 기법들이 노드 표현 학습에서 더 강력한 구조적 동일성 개념을 포착하지 못하는 반면, struc2vec는 이 작업에서 훨씬 우수한 성능을 보이는 것으로 나타났습니다. 이는 struc2vec가 이전 접근 방식의 한계를 극복했기 때문입니다. 그 결과, 수치 실험은 struc2vec가 구조적 동일성에 더 의존하는 분류 작업의 성능을 개선한다는 것을 보여주었습니다.