2달 전
MixHop: 희소화된 이웃 혼합을 통한 고차 그래프 컨볼루션 아키텍처
Sami Abu-El-Haija; Bryan Perozzi; Amol Kapoor; Nazanin Alipourfard; Kristina Lerman; Hrayr Harutyunyan; Greg Ver Steeg; Aram Galstyan
초록
기존의 그래프 신경망(예: 그래프 컨볼루션 네트워크)을 사용한 준지도 학습 방법들은 증명적으로 일반적인 이웃 혼합 관계 클래스를 학습할 수 없습니다. 이러한 약점을 해결하기 위해, 우리는 이러한 관계, 특히 거리별 이웃의 특성 표현을 반복적으로 혼합하여 학습할 수 있는 새로운 모델인 MixHop을 제안합니다. MixHop은 추가 메모리나 계산 복잡도가 필요하지 않으며, 어려운 베이스라인에서 우수한 성능을 보입니다. 또한, 우리는 희소성 정규화를 제안하여 다양한 그래프 데이터셋에서 네트워크가 이웃 정보를 어떻게 우선시하는지를 시각화할 수 있습니다. 학습된 아키텍처에 대한 분석 결과는 이웃 혼합이 데이터셋마다 다르다는 것을 밝혀냈습니다.