초록
구조적 특성은 기하학적 그래프에서 중요한 특성입니다. 공분산을 기반으로 한 일부 특성 간의 상관 분석이 있지만, 그래프 신경망을 활용한 구조적 특성 상관 분석에 대한 관련 연구는 아직 없습니다. 본 논문에서는 저차원 공간에서 구조적 특성 상관 관계에 대한 초기 결과를 탐색하기 위해 그래프 특성-특성(Fea2Fea) 예측 파이프라인을 소개합니다. 이는 그래프 신경망을 기반으로 합니다. 결과는 일부 구조적 특성 사이에 높은 상관관계가 존재함을 보여줍니다. 그래프 신경망으로 필터링된 초기 노드 특성을 사용하여 불필요한 특성을 제거한 조합은 일부 그래프 기반 작업에서 분류 정확도를 향상시켰습니다. 우리는 특성 간 임베딩 연결 방법의 차이점을 비교하고, 가장 단순한 방법이 최선임을 보여주었습니다. 우리는 합성 기하학적 그래프에서 일반화하고, 구조적 특성 간 예측 난이도의 차이를 인증하였습니다.