A Comprehensive Survey on Graph Summarization with Graph Neural Networks

要約

タイトル：グラフニューラルネットワークを用いたグラフ要約に関する包括的調査
要約：
– 大規模なグラフが広がっている現代では、大量のグラフデータを抽出、処理、解釈するための計算上の課題が増加しています。
– そのため、これらの膨大なグラフの特徴を保持しながら要約する方法を探すことは自然です。
– 過去には、ほとんどのグラフ要約技術は統計的にグラフの最も重要な部分を捉えることを目的としていました。
– しかし、現代のグラフデータの高次元性と複雑性は、深層学習技術をより一般的なものにしています。
– したがって、本論文では、グラフニューラルネットワーク（GNN）に依存する深層学習要約技術の進展について包括的な調査を行います。
– 当社の調査には、再帰GNN、畳み込みGNN、グラフ自己符号化器、およびグラフ注意ネットワークを含む最新のアプローチのレビューが含まれます。
– グラフ強化学習を使用してグラフ要約の品質を評価および改善する方法が新しく成長している研究分野も説明しています。
– さらに、調査では、評価メトリック、オープンソースツール、および実験設定でよく使用されるベンチマークデータセットの詳細を提供し、グラフ要約の実用的な利用法についても説明しています。
– 最後に、調査は、この分野における研究のさらなる活発化を促すために、いくつかのオープンリサーチチャレンジで締めくくられます。

要約(オリジナル)

As large-scale graphs become more widespread, more and more computational challenges with extracting, processing, and interpreting large graph data are being exposed. It is therefore natural to search for ways to summarize these expansive graphs while preserving their key characteristics. In the past, most graph summarization techniques sought to capture the most important part of a graph statistically. However, today, the high dimensionality and complexity of modern graph data are making deep learning techniques more popular. Hence, this paper presents a comprehensive survey of progress in deep learning summarization techniques that rely on graph neural networks (GNNs). Our investigation includes a review of the current state-of-the-art approaches, including recurrent GNNs, convolutional GNNs, graph autoencoders, and graph attention networks. A new burgeoning line of research is also discussed where graph reinforcement learning is being used to evaluate and improve the quality of graph summaries. Additionally, the survey provides details of benchmark datasets, evaluation metrics, and open-source tools that are often employed in experimentation settings, along with a discussion on the practical uses of graph summarization in different fields. Finally, the survey concludes with a number of open research challenges to motivate further study in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI