초록
이 연구에서 우리는 그래프 스타 넷(GraphStar)이라는 새로운 통합 그래프 신경망 구조를 제시합니다. 이 구조는 메시지 전달 중계와 주의 메커니즘을 활용하여 노드 분류, 그래프 분류 및 링크 예측 등 여러 예측 작업을 수행합니다. GraphStar은 기존 그래프 신경망이 직면했던 많은 문제들을 해결하며, 모델의 깊이를 증가시키거나 높은 계산 비용을 부담하지 않으면서도 비국소적 표현을 달성합니다. 또한, 우리는 노드 분류와 텍스트 분류를 기반으로 한 주제별 감성 분석을 위한 새로운 방법론을 제안합니다. 우리의 연구 결과는 '스타 노드'가 효과적인 그래프 데이터 표현을 학습하고 세 가지 작업에서 현재 방법보다 개선될 수 있음을 보여줍니다. 특히, 그래프 분류와 링크 예측에서 GraphStar은 몇 가지 주요 벤치마크에서 현행 최고 성능 모델들보다 2-5% 우수한 성능을 보였습니다.