공간 안에서의 연산
쌍곡 표현에 유클리드 신경망의 연산을 적용하려면 국소 선형화 같은 방법이 필요하다. 이 연구는 투영 뒤의 집계와 비선형 연산까지 쌍곡 공간 안에서 구성하는 방식을 제안한다.
낮은 차원의 내재 공간
더 낮은 차원의 내재된 쌍곡 공간으로 자료를 투영하는 구조를 사용한다. 그 바탕이 되는 임베딩의 등거리성과 로런츠 변환에 대한 동변성을 분석하며, 동변성은 가중치 공유를 가능하게 한다.
차원 축소와 모형 평가
중첩 공간 표현을 접공간 PCA, 주측지선 분석, HoroPCA와 비교했다. 이 구조를 이용한 쌍곡 그래프 합성곱 신경망으로 투영 파라미터를 학습하고 여러 공개 자료에서 평가했다.
관련 문서
HGCN 쌍곡 그래프 합성곱 / 차원 축소 / 주성분 분석 / 임베딩 / 그래프 신경망 / 동변 신경망