Technical Report of Mixing Local Patterns

要約

タイトル: ローカルパターンの混合に関する技術レポート
要約:
– GNNは同質性の高いグラフデータにおいては驚くべき性能を発揮する一方、非同質性の高いグラフデータに対しては低域通過フィルタリング特性が原因であまりよい結果を出せない。
– 複雑な現実世界のグラフを解析する場合は、混在するローカル構造パターンを無視してはならない。
– \textbf{(Q1)}と\textbf{(Q2)}の2つの問題があるため、より一般的なGNNを実装するためにはこれらをよく考慮する必要がある。
– そのため、それぞれ\textbf{(A1):ローカルパターンのランダム性}と\textbf{(A2):近隣要素の集積性}の2つの観点からそれらをより深く理解しようと試みる。

要約(オリジナル)

Graph neural networks (GNNs) have shown remarkable performance on homophilic graph data while being far less impressive when handling non-homophilic graph data due to the inherent low-pass filtering property of GNNs. In the face of analyzing complex real-world graphs with different homophily properties, the latent mixed local structural patterns in graphs should not be neglected. Therefore, the two questions, i.e., (\textbf{Q1}) and (\textbf{Q2}) as motioned above, should be well considered on the way to implementing a more generic GNN. For this purpose, we attempt to get deeper insights into them from two points, respectively, \textbf{(A1): Randomness of local patterns}, and \textbf{(A2): Aggregability of near-neighbors}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI