초록
우리는 그래프 웨이블릿 신경망(GWNN, Graph Wavelet Neural Network)을 제시합니다. 이는 그래프 웨이블릿 변환을 활용하여, 기존의 스펙트럼 기반 그래프 컨볼루션 신경망(CNN)들이 그래프 푸리에 변환에 의존하면서 겪는 단점을 해결하기 위한 새로운 접근 방식입니다. 그래프 푸리에 변환과 달리, 그래프 웨이블릿 변환은 고비용의 행렬 고유값 분해를 필요로 하지 않는 빠른 알고리즘으로 얻을 수 있습니다. 또한, 그래프 웨이블릿은 정점 영역에서 희소하고 국소화되어 있어, 그래프 컨볼루션에 있어서 높은 효율성과 좋은 해석성을 제공합니다. 제안된 GWNN은 세 가지 벤치마크 데이터셋인 Cora, Citeseer 및 Pubmed에서 그래프 기반 반지도 학습 분류 작업에서 기존의 스펙트럼 기반 그래프 CNN들보다 크게 우수한 성능을 보였습니다.