예측 후 전파: 그래프 신경망이 개인화된 PageRank를 만나다

최근 그래프에서 반감독 분류를 위한 신경 메시지 전달 알고리즘이 큰 성공을 거두었습니다. 그러나 이러한 방법은 노드 분류 시 몇 단계의 전파 거리에 있는 노드만 고려하며, 이 전파된 이웃의 크기를 확장하는 것이 어렵습니다. 본 논문에서는 그래프 컨볼루션 네트워크(GCN)와 PageRank 간의 관계를 활용하여 개인화된 PageRank 기반으로 개선된 전파 방식을 도출합니다. 우리는 이 전파 절차를 이용하여 간단한 모델인 개인화된 신경 예측 전파(PPNP)와 그 빠른 근사 버전인 APPNP를 구축합니다. 우리의 모델은 학습 시간이 이전 모델과 동등하거나 더 빠르며, 매개변수의 수 역시 이전 모델과 동등하거나 적습니다. 이 모델은 분류에 사용되는 큰 조정 가능한 이웃을 활용할 수 있으며, 어떤 신경망과도 쉽게 결합될 수 있습니다. 우리는 GCN 유사 모델에 대한 지금까지 가장 철저한 연구에서, 이 모델이 최근 제안된 여러 방법들을 능가함을 보여줍니다. 우리의 구현은 온라인에서 제공됩니다.