Hyperedge Modeling in Hypergraph Neural Networks by using Densest Overlapping Subgraphs

要約

ハイパーグラフは、{\em hyperedges} を導入することで従来のグラフの制限に取り組みます。
グラフのエッジは 2 つのノードのみを接続しますが、ハイパーエッジはエッジに沿って任意の数のノードを接続します。
また、ハイパーグラフ ニューラル ネットワーク (HGNN) の基礎となるメッセージ受け渡しメカニズムは頂点-ハイパーエッジ-頂点の形式になっており、これにより HGNN は従来のグラフ ニューラル ネットワーク (GNN) よりも豊富で複雑な構造情報を取得して利用できます。
最近では、サブグラフをオーバーラップするというアイデアが登場しました。
これらのサブグラフは、1 つの頂点が 1 つのグループに属することを制限することなく、頂点のサブグループに関するより多くの情報を取得できるため、頂点を複数のグループまたはサブグラフに属することができます。
さらに、グラフ クラスタリングにおける最も重要な問題の 1 つは、最も密度の高い重複サブグラフ (DOS) を見つけることです。
この論文では、最も密に重複するサブグラフを生成するプロセスを強化し、したがってハイパーグラフの堅牢な構築を強化する新しいアプローチとして、Agglomerative Greedy Enumeration (DOSAGE) アルゴリズムによる DOS 問題の解決策を提案します。
標準ベンチマークの実験では、DOSAGE アルゴリズムがノード分類タスクに関して HGNN および他の 6 つの方法よりも大幅に優れていることが示されています。

要約(オリジナル)

Hypergraphs tackle the limitations of traditional graphs by introducing {\em hyperedges}. While graph edges connect only two nodes, hyperedges connect an arbitrary number of nodes along their edges. Also, the underlying message-passing mechanisms in Hypergraph Neural Networks (HGNNs) are in the form of vertex-hyperedge-vertex, which let HGNNs capture and utilize richer and more complex structural information than traditional Graph Neural Networks (GNNs). More recently, the idea of overlapping subgraphs has emerged. These subgraphs can capture more information about subgroups of vertices without limiting one vertex belonging to just one group, allowing vertices to belong to multiple groups or subgraphs. In addition, one of the most important problems in graph clustering is to find densest overlapping subgraphs (DOS). In this paper, we propose a solution to the DOS problem via Agglomerative Greedy Enumeration (DOSAGE) algorithm as a novel approach to enhance the process of generating the densest overlapping subgraphs and, hence, a robust construction of the hypergraphs. Experiments on standard benchmarks show that the DOSAGE algorithm significantly outperforms the HGNNs and six other methods on the node classification task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google