Curvature Filtrations for Graph Generative Model Evaluation

要約

グラフ生成モデルの評価では、グラフ間の差異を分布レベルで理解する必要があります。
これには、グラフの顕著な属性を効率的な方法で利用できることが必要です。
曲率はグラフのそのような特性の 1 つを構成し、最近グラフの特徴付けに役立つことが証明され始めています。
ただし、その表現特性、安定性、モデル評価における実用性はほとんど解明されていません。
私たちは、グラフ曲率記述子とトポロジカル データ解析からの新しい手法を組み合わせて、グラフ生成モデルを評価するための堅牢で表現力豊かな記述子を取得します。

要約(オリジナル)

Graph generative model evaluation necessitates understanding differences between graphs on the distributional level. This entails being able to harness salient attributes of graphs in an efficient manner. Curvature constitutes one such property of graphs, and has recently started to prove useful in characterising graphs. Its expressive properties, stability, and practical utility in model evaluation remain largely unexplored, however. We combine graph curvature descriptors with emerging methods from topological data analysis to obtain robust, expressive descriptors for evaluating graph generative models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google