구조와 표현의 순환
노드 표현이 좋아지면 어떤 노드를 연결할지 판단하기 쉬워지고, 연결이 좋아지면 더 유용한 표현을 학습할 수 있다는 관계에 바탕을 둔다. 두 대상을 하나의 학습 틀에서 반복적으로 갱신한다.
유사도와 정규화
그래프 학습을 유사도 척도를 학습하는 문제로 구성하고 적응적 그래프 정규화로 구조의 품질을 조절한다. 학습된 구조가 예측 과제에 적합한 그래프에 충분히 가까워지면 반복을 동적으로 멈춘다.
앵커를 이용한 확장
IDGL-Anch는 앵커 기반 근사로 시간과 공간 비용을 줄이는 확장형이다. 원 연구는 아홉 벤치마크에서 평가하고, 공격적으로 변형한 그래프에 대한 강건성과 전이적 및 귀납적 학습 설정도 조사했다.
관련 문서
이산 그래프 구조 학습 / 그래프 신경망 / 임베딩 / 정규화 / DiffWire / GraphSAGE