Temporal Graph Rewiring with Expander Graphs

要約

現実世界のネットワークにおける進化する関係は、多くの場合、時間グラフによってモデル化されます。
グラフ再配線技術は、表現力を向上させ、モデルのパフォーマンスを向上させるために、グラフ ニューラル ネットワーク (GNN) で利用されてきました。
この研究では、時間グラフ上のグラフ再配線の最初のアプローチである時間グラフ再配線 (TGR) を提案します。
TGR は、エキスパンダー グラフ伝播を利用して、離れたノード間のメッセージ受け渡しのためのメッセージ パッシング ハイウェイを構築することにより、連続時間動的グラフにおける時間的に離れたノード間の通信を可能にします。
エキスパンダ グラフは、GNN でよく見られる過剰潰しの問題を克服するのに役立つため、再配線に適した候補です。
公開されている tgbl-wiki ベンチマークでは、TGR が広く使用されている TGN モデルのパフォーマンスを大幅に向上させることが示されています。
コード リポジトリは https://anonymous.4open.science/r/TGR-254C からアクセスできます。

要約(オリジナル)

Evolving relations in real-world networks are often modelled by temporal graphs. Graph rewiring techniques have been utilised on Graph Neural Networks (GNNs) to improve expressiveness and increase model performance. In this work, we propose Temporal Graph Rewiring (TGR), the first approach for graph rewiring on temporal graphs. TGR enables communication between temporally distant nodes in a continuous time dynamic graph by utilising expander graph propagation to construct a message passing highway for message passing between distant nodes. Expander graphs are suitable candidates for rewiring as they help overcome the oversquashing problem often observed in GNNs. On the public tgbl-wiki benchmark, we show that TGR improves the performance of a widely used TGN model by a significant margin. Our code repository is accessible at https://anonymous.4open.science/r/TGR-254C.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google