Topology-aware Reinforcement Feature Space Reconstruction for Graph Data

要約

特徴空間は、データ ポイントがベクトル化されて元のデータセットを表す環境です。
データの AI 能力を強化し、モデルの一般化を改善し、下流の ML モデルの可用性を高めるには、適切な特徴空間を再構築することが不可欠です。
特徴変換や特徴選択などの既存の文献は、労働集約的であり（経験に大きく依存しているなど）、ほとんどが表形式のデータ用に設計されています。
さらに、これらの方法はデータ サンプルを独立したものと見なすため、グラフ データに適用される場合に固有の位相構造が無視されるため、次善の再構成特徴空間が得られます。
豊富な経験的知識がなくても、グラフ データの特徴空間を自動的に再構成するトポロジカル情報を考慮することはできますか?
このギャップを埋めるために、トポロジーを意識した強化学習を活用して、グラフ データの特徴空間再構築を自動化および最適化します。
私たちのアプローチは、重要な構造情報を取得するためのコア サブグラフの抽出と、トポロジ特徴をエンコードして計算の複雑さを軽減するグラフ ニューラル ネットワーク (GNN) を組み合わせています。
次に、階層構造内に 3 つの強化エージェントを導入して、反復プロセスを通じて意味のある特徴を系統的に生成し、特徴空間を効果的に再構築します。
このフレームワークは、属性付きグラフ特徴空間再構築のための原則に基づいたソリューションを提供します。
広範な実験により、トポロジー認識を組み込むことの有効性と効率性が実証されています。

要約(オリジナル)

Feature space is an environment where data points are vectorized to represent the original dataset. Reconstructing a good feature space is essential to augment the AI power of data, improve model generalization, and increase the availability of downstream ML models. Existing literature, such as feature transformation and feature selection, is labor-intensive (e.g., heavy reliance on empirical experience) and mostly designed for tabular data. Moreover, these methods regard data samples as independent, which ignores the unique topological structure when applied to graph data, thus resulting in a suboptimal reconstruction feature space. Can we consider the topological information to automatically reconstruct feature space for graph data without heavy experiential knowledge? To fill this gap, we leverage topology-aware reinforcement learning to automate and optimize feature space reconstruction for graph data. Our approach combines the extraction of core subgraphs to capture essential structural information with a graph neural network (GNN) to encode topological features and reduce computing complexity. Then we introduce three reinforcement agents within a hierarchical structure to systematically generate meaningful features through an iterative process, effectively reconstructing the feature space. This framework provides a principled solution for attributed graph feature space reconstruction. The extensive experiments demonstrate the effectiveness and efficiency of including topological awareness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google