이질형 그래프에서의 고차 구조 정보 활용을 위한 그래프뉴럴 상미분 방정식

Abstract

그래프 뉴럴 네트워크는 다양한 그래프 분석 영역에서 유의미한 성능을 보이고 있다. 하지만,현실에는 유사한 객체간의 관계성을 보기 어려운 상황도 존재한다. 해당 상황에서는 이질형 그래프를 분석함으로써 객체의 특성을 파악할 수 있다. 이질형 그래프는 다양한 특성을 가진 물질과 그들이 가지는 다양한 관계를 함께 고려하기 위하여 모델링한 그래프이다. 이질형 그래프를 위한 그래프 뉴럴 네트워크 연구들은 메타경로를 기반으로 새로운 그래프들을 생성하고 이들을 분석한다. 하지만 이들은 메타경로로 생성되는 그래프 전체의 구조에서 얻어낼 수 있는유용한 정보들을 효과적으로 사용하지 못하는 단점이 있다. 따라서 본 연구는 뉴럴 상미분 방정식을 통해 메타경로로 생성된 그래프들의 전체의 구조를 효과적으로 반영할 수 있는 방법을제안한다. 그리고 다양한 데이터에서의 실험을 통해 제안한 이질형 그래프 뉴럴 상미분 방정식이 이질형 그래프에서 효과적인 노드 분류를 할 수 있음을 보인다.