ATP: 비대칭 전이성 보존을 통한 유향 그래프 임베딩

방향 그래프는 커뮤니티 질문 답변 서비스(CQAs)에서 질문, 답변, 사용자 등 다양한 노드 간의 비대칭 관계를 모델링하는 데 널리 사용되어 왔습니다. 비대칭 전이성은 방향 그래프의 필수적인 속성이므로, 이는 후속 그래프 추론 및 분석에 중요한 역할을 할 수 있습니다. 질문의 난이도와 사용자의 전문성은 비대칭 전이성의 특성을 따릅니다. 이러한 속성을 유지하면서 그래프를 더 낮은 차원의 벡터 임베딩 공간으로 축소하는 것이 최근 연구의 주요 초점이 되어왔습니다. 본 논문에서는 비대칭 전이성을 보존한 방향 그래프 임베딩의 도전 과제를 해결하고, 제안된 임베딩 방법을 활용하여 CQAs에서 기본적인 작업인 적절한 경로 설정과 전문성 및 관심사를 가진 사용자에게 새로 게시된 질문을 할당하는 문제를 해결합니다. 이 기술은 그래프 계층 구조와 접근 가능 정보를 자연스럽게 통합하며, 이를 위해 그래프 내부의 핵심 접근 가능성과 암시적 계층 구조에 작용하는 비선형 변환에 의존합니다. 그 결과, 각 노드에 대해 두 개의 임베딩 벡터를 생성하여 비대칭 전이성을 포착하기 위한 인수 분해 기반 접근법을 활용합니다. 광범위한 실험 결과 본 프레임워크가 링크 예측과 온라인 포럼(예: Stack Exchange)에서 질문 난이도 추정 및 전문가 찾기라는 두 가지 다양한 실제 작업에서 최신 기준 모델들을 일관되게 그리고 상당히 우월하게 능가함을 보여줍니다. 특히, 본 프레임워크는 훈련 중에 보지 못한 노드(새로 게시된 질문)에 대한 귀납적 임베딩 학습을 지원하므로, 이러한 종류의 질문을 CQAs에서 적절히 전문가에게 경로 설정하고 할당할 수 있습니다.