Set의 표현을 위한 신경망: 학습된 Set 표현을 위한 신경망 모델

여러 영역에서 데이터 객체는 더 단순한 객체들의 집합으로 분해될 수 있습니다. 이에 따라 각 객체를 그 구성 요소나 부분들의 집합으로 표현하는 것이 자연스럽습니다. 그러나 많은 기존 머신 러닝 알고리즘은 이러한 표현을 처리할 수 없는데, 이는 집합의 크기가 달라질 수 있고 요소들이 의미 있는 순서를 갖지 않기 때문입니다. 본 논문에서는 벡터의 집합으로 표현된 예제를 처리할 수 있는 새로운 신경망 구조인 RepSet을 제시합니다. 제안된 모델은 일련의 네트워크 흐름 문제를 해결하여 입력 집합과 일부 은닉 집합 간의 대응 관계를 계산합니다. 이 표현은 이후 표준 신경망 구조로 전달되어 출력을 생성합니다. 해당 구조는 엔드투엔드 기울기 기반 학습을 가능하게 합니다. 우리는 RepSet을 텍스트 분류 및 그래프 분류와 같은 분류 작업에 적용하여, 제안된 신경망이 최신 알고리즘과 비교하여 더 나은 또는 유사한 성능을 달성함을 보여줍니다.