초록
최근 몇 년 동안 그래프와 같은 구조화된 데이터에 딥 러닝을 적용하는 고급 방법들이 제안되었습니다. 특히, 그래프 데이터에 컨볼루션 신경망을 일반화하는 연구가 활발히 진행되고 있으며, 이는 그래프에서의 컨볼루션과 다운샘플링(풀링) 연산을 재정의하는 것을 포함합니다. 그래프에 대한 컨볼루션 연산의 일반화 방법은 성능 향상을 입증받아 널리 사용되고 있습니다. 그러나 그래프에 다운샘플링을 적용하는 방법은 여전히 수행하기 어려우며 개선의 여지가 있습니다. 본 논문에서는 자기 주의(self-attention) 기반의 그래프 풀링 방법을 제안합니다. 그래프 컨볼루션을 사용한 자기 주의는 우리의 풀링 방법이 노드 특성과 그래프 위상 모두를 고려할 수 있도록 합니다. 공정한 비교를 위해 기존 풀링 방법들과 우리의 방법에는 동일한 학습 절차와 모델 아키텍처가 사용되었습니다. 실험 결과는 우리의 방법이 적절한 수의 매개변수를 사용하여 벤치마크 데이터셋에서 우수한 그래프 분류 성능을 달성함을 보여줍니다.