초록
그래프 분류는 다양한 분야에서 실용적인 응용이 가능한 문제이다. 이 문제를 해결하기 위해 일반적으로 서로 다른 클래스에 속한 그래프를 구분하는 데 도움이 되는 특정 그래프 통계(즉, 그래프 특징)를 계산한다. 이러한 특징을 계산할 때, 기존의 대부분의 접근 방식은 전체 그래프를 처리한다. 예를 들어, 그래프릿 기반 접근 방식에서는 전체 그래프를 분석하여 다양한 그래프릿 또는 부분 그래프의 총 개수를 구한다. 그러나 많은 실제 응용 사례에서는 그래프가 노이즈를 포함하고 있으며, 구분 가능한 패턴이 그래프의 특정 영역에만 국한되어 있는 경우가 많다. 본 연구에서는 주의(attention) 기반 그래프 분류 문제를 탐구한다. 주의 메커니즘을 활용함으로써, 그래프의 소규모이지만 정보가 풍부한 부분에 집중할 수 있으며, 그래프의 나머지 부분에 존재하는 노이즈를 피할 수 있다. 본 논문에서는 적응적으로 “정보가 풍부한” 노드의 시퀀스를 선택하여 그래프의 일부만 처리하는 새로운 RNN 모델인 그래프 주의 모델(Graph Attention Model, GAM)을 제안한다. 다양한 실-world 데이터셋에 대한 실험 결과는, 본 연구에서 제안한 방법이 그래프 분류 문제에서 기존의 여러 유명한 방법들과 경쟁력 있는 성능을 보임을 보여주며, 그래프의 일부만을 처리한다는 제약에도 불구하고 그 효과를 입증한다.