비동질 그래프의 규모
동질성이 낮은 그래프를 위한 기존 평가가 작은 자료와 좁은 응용에 집중한 문제를 다뤘다. 원 연구는 더 크고 다양한 비동질 자료를 모아 확장 가능한 방법과 미니배치 기법을 평가했다.
구조와 특징의 별도 표현
인접 행렬과 노드 특징을 각각 임베딩한 뒤 다층 퍼셉트론과 간단한 변환으로 결합한다. 노드 특징 MLP와 연결 기반 회귀라는 두 단순 기준선을 일반화하는 구성이다.
미니배치의 평가
학습과 추론을 미니배치로 수행하기 쉽게 설계했다. 원 연구는 제안한 자료에서 단순한 방법과 그래프 신경망을 비교하고 배치 방식에 따른 성능 저하 문제를 함께 조사했다.
관련 문서
H2GCN / Geom-GCN / 다층 퍼셉트론 / GraphSAINT / Cluster-GCN / 그래프 신경망