초록
전체 그래프를 표현하는 작업은 주로 그래프 구조 데이터에서 합성곱 신경망(CNNs)을 학습함으로써 두드러진 결과들이 많이 발표되었습니다. CNNs는 그래프 분류 작업에서 최고의 성능을 보이지만, 이러한 방법들은 지도 학습 방식이므로 originally 문제인 작업에 독립적인 네트워크 표현으로부터 멀어집니다. 본 연구에서는 전체 그래프를 임베딩하기 위한 접근법을 체계적으로 제안하고, SVM 분류기를 사용한 우리의 특징 표현이 CNN 알고리즘과 전통적인 그래프 커널의 분류 정확도를 향상시키는 것을 보여줍니다. 이를 위해 최근 발견된 그래프 객체인 익명 워크(anonymous walk)에 대해 명시적이고 분산된 방식으로 그래프 표현을 학습하기 위한 작업에 독립적인 알고리즘을 설계합니다. 총괄적으로, 본 연구는 최신의 상태-아트(state-of-the-art) 전체 그래프 표현을 비지도 학습 방식으로 확장 가능하게 만드는 새로운 접근법을 제시합니다.