초록
현대 그래프 신경망(GNNs)은 다층 로컬 집계를 통해 노드 임베딩을 학습하고, 아소르타티브 그래프에서의 응용 분야에서 큰 성공을 거두었습니다. 그러나 디아소르타티브 그래프에서의 작업은 일반적으로 비로컬 집계가 필요합니다. 또한, 우리는 로컬 집계가 일부 디아소르타티브 그래프에 대해 오히려 해롭다는 것을 발견했습니다. 본 연구에서는 GNNs를 위한 간단하면서도 효과적인 비로컬 집계 프레임워크와 효율적인 어텐션 가이드 정렬 방법을 제안합니다. 이를 바탕으로 다양한 비로컬 GNNs를 개발하였습니다. 우리는 철저한 실험을 수행하여 디아소르타티브 그래프 데이터셋을 분석하고, 제안된 비로컬 GNNs의 성능을 평가하였습니다. 실험 결과는 우리의 비로컬 GNNs가 디아소르타티브 그래프의 일곱 가지 벤치마크 데이터셋에서 이전 최신 방법론들보다 모델 성능과 효율성 측면에서 크게 우수함을 입증하였습니다.