Hierarchical Graph Generation with $K^2$-trees

要約

ターゲット分布からグラフを生成することは、創薬やソーシャル ネットワーク分析を含む多くの領域にわたる重要な課題です。
この研究では、もともと可逆グラフ圧縮のために設計された $K^2$ ツリー表現を利用した新しいグラフ生成方法を紹介します。
私たちの動機は、グラフ固有の階層構造を同時に取得しながら、コンパクトな生成を可能にする $K^2$ ツリーの機能に由来しています。
さらに、(1) 枝刈り、平坦化、トークン化プロセスを組み込んだシーケンシャル $K^2$ ツリー表現を提示し、(2) 特殊なアルゴリズムを組み込んでシーケンスを生成するように設計された Transformer ベースのアーキテクチャを導入することで、さらなる貢献を行っています。
ツリー位置エンコード方式。
最後に、4 つの一般的なグラフ データセットと 2 つの分子グラフ データセットでアルゴリズムを広範囲に評価し、グラフ生成におけるその優位性を確認します。

要約(オリジナル)

Generating graphs from a target distribution is a significant challenge across many domains, including drug discovery and social network analysis. In this work, we introduce a novel graph generation method leveraging $K^2$-tree representation which was originally designed for lossless graph compression. Our motivation stems from the ability of the $K^2$-trees to enable compact generation while concurrently capturing the inherent hierarchical structure of a graph. In addition, we make further contributions by (1) presenting a sequential $K^2$-tree representation that incorporates pruning, flattening, and tokenization processes and (2) introducing a Transformer-based architecture designed to generate the sequence by incorporating a specialized tree positional encoding scheme. Finally, we extensively evaluate our algorithm on four general and two molecular graph datasets to confirm its superiority for graph generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google