많은 간선을 가리는 과제
입력 구조에서 높은 비율의 간선을 가려 자명하지 않은 자기 감독 과제를 만든다. 원 연구는 그래프 구조를 상당 부분 가리는 것이 후속 학습에 유용한 신호를 만들 수 있는지 조사했다.
인코더와 교차 상관
그래프 신경망 인코더가 부분적으로 가려진 그래프에서 메시지를 전파한다. 디코더는 기준 간선 양끝 노드 사이의 교차 상관을 여러 세밀도에서 포착해 가려진 간선을 재구성한다.
후속 과제의 평가
원 연구는 Planetoid와 Open Graph Benchmark의 공개 자료에서 연결 예측과 노드 분류를 평가했다. 특징을 복원하는 GraphMAE와 달리 간선 복원이 주요 자기 감독 과제다.
관련 문서
GraphMAE / 그래프 신경망 / 링크 예측 / 자기지도 학습 / 변분 그래프 오토인코더 / 그래프