초록
기존의 그래프 신경망은 모델 아키텍처가 깊어질수록 '정지된 생명 상태 문제'(suspended animation problem)에 취약할 수 있다. 한편, 텍스트/이미지 속성을 가진 노드나 장거리 노드 상관관계를 가진 그래프와 같은 일부 그래프 학습 시나리오에서는 효과적인 그래프 표현 학습을 위해 깊은 그래프 신경망이 필수적이다. 본 논문에서는 그래프 표현 학습과 노드 분류를 위해 새로운 그래프 신경망인 DIFNET(Graph Diffusive Neural Network)을 제안한다. DIFNET는 노드 은닉 상태 모델링을 위해 신경 게이트와 그래프 잔차 학습을 동시에 활용하며, 노드 이웃 정보의 확산을 위해 주의 메커니즘(attention mechanism)을 포함한다. 본 연구에서는 여러 최첨단 그래프 신경망 모델과의 비교를 위해 광범위한 실험을 수행한다. 실험 결과는 DIFNET의 학습 성능 우수성과 효과성을 입증하며, 특히 '정지된 생명 상태 문제'를 해결하는 데서 두드러진 성능을 보여준다.