Discovering Graph Generation Algorithms

要約

タイトル：グラフ生成アルゴリズムの発見

要約：

– 伝統的な確率モデルや深層生成モデルではなく、新しいグラフ生成モデルを構築するためのアプローチを提供する。
– エボリューショナリー検索とランダム初期化されたグラフニューラルネットワークによるパワフルな適応度関数を使用して、データを生成するアルゴリズムを見つけることを提案する。
– 現在の深層生成モデルと比較して、トレーニング分布外の汎化や直接的な解釈可能性などの特定の利点がある。
– 最終的なグラフ生成プロセスがPython関数として表現されるため、これにより深層生成モデルに比べ、直接的に解釈できる。
– このアプローチが深層生成モデルと競争できることを示し、一定の状況下では真のグラフ生成プロセスを見つけ、完全に汎用化できることを示す。

要約(オリジナル)

We provide a novel approach to construct generative models for graphs. Instead of using the traditional probabilistic models or deep generative models, we propose to instead find an algorithm that generates the data. We achieve this using evolutionary search and a powerful fitness function, implemented by a randomly initialized graph neural network. This brings certain advantages over current deep generative models, for instance, a higher potential for out-of-training-distribution generalization and direct interpretability, as the final graph generative process is expressed as a Python function. We show that this approach can be competitive with deep generative models and under some circumstances can even find the true graph generative process, and as such perfectly generalize.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI