Hyperbolic Geometric Graph Representation Learning for Hierarchy-imbalance Node Classification

要約

タイトル：階層的不平衡なノード分類のための双曲幾何グラフ表現学習

要約：

– ノードの不均衡なサンプルに対して、偏りのないノード表現を学習することが重要である。
– グラフデータにおいて、ノードのトポロジカルな特性（場所、役割など）が不均衡であるトポロジーの不均衡性に取り組む研究は多くあるが、グラフの階層的構造には焦点が当てられていない。
– 実際のシナリオでは、グラフデータの階層構造は、グラフの重要なトポロジカルな特性を示しており、広範なアプリケーションに関連している。
– 双曲幾何はグラフの階層的構造を表現する上で独自の利点があるため、それを利用して、グラフニューラルネットワークのノード分類のための階層的不均衡問題を探求し、HyperIMBAと呼ばれる新しい双曲幾何階層不均衡学習フレームワークを提案する。
– 詳細な実験結果は、HyperIMBAが階層的不均衡なノード分類タスクにおいて優れた効果を発揮することを示している。

要約(オリジナル)

Learning unbiased node representations for imbalanced samples in the graph has become a more remarkable and important topic. For the graph, a significant challenge is that the topological properties of the nodes (e.g., locations, roles) are unbalanced (topology-imbalance), other than the number of training labeled nodes (quantity-imbalance). Existing studies on topology-imbalance focus on the location or the local neighborhood structure of nodes, ignoring the global underlying hierarchical properties of the graph, i.e., hierarchy. In the real-world scenario, the hierarchical structure of graph data reveals important topological properties of graphs and is relevant to a wide range of applications. We find that training labeled nodes with different hierarchical properties have a significant impact on the node classification tasks and confirm it in our experiments. It is well known that hyperbolic geometry has a unique advantage in representing the hierarchical structure of graphs. Therefore, we attempt to explore the hierarchy-imbalance issue for node classification of graph neural networks with a novelty perspective of hyperbolic geometry, including its characteristics and causes. Then, we propose a novel hyperbolic geometric hierarchy-imbalance learning framework, named HyperIMBA, to alleviate the hierarchy-imbalance issue caused by uneven hierarchy-levels and cross-hierarchy connectivity patterns of labeled nodes.Extensive experimental results demonstrate the superior effectiveness of HyperIMBA for hierarchy-imbalance node classification tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI