초록
본 논문에서는 노드 및 엣지 특징을 모두 갖춘 그래프 구조 데이터에서 반감독 학습을 위한 분류 및 회귀를 위해, 엣지-노드 전환을 활용한 합성곱 그래프 신경망인 CensNet(Convolution with Edge-Node Switching graph neural network)을 제안한다. CensNet은 노드와 엣지를 모두 잠재 특징 공간에 임베딩하는 일반적인 그래프 임베딩 프레임워크이다. 기존 무방향 그래프의 라인 그래프(line graph)를 활용함으로써 노드와 엣지의 역할을 전환하고, 특징 전파를 위한 두 가지 새로운 그래프 합성곱 연산을 제안한다. 실제 학술 인용 네트워크 및 양자 화학 그래프에 대한 실험 결과를 통해 제안한 방법이 기존 최고 수준의 성능을 달성하거나 이를 근접함을 확인하였다.