스펙트럼 군집화의 부담
라플라시안 고유 분해를 사용하는 군집화는 비용이 크고 새 그래프마다 별도로 계산해야 한다. MinCutPool은 이런 제약을 줄이기 위해 군집 배정을 출력하는 신경망 함수를 학습한다.
완화한 최소 컷의 학습
정규화 최소 컷 문제를 연속적으로 완화하고 그 목적을 줄이도록 군집 배정을 학습한다. 노드 특징도 반영하며 비싼 스펙트럼 분해 없이 새 그래프의 함수를 평가할 수 있다.
과제 목적과의 결합
군집화 목표를 과제별 손실과 함께 최적화할 수 있다. 미분 가능한 풀링 층을 여러 수준에 쌓아 계층적 그래프 표현을 만들며 원 연구는 여러 지도 및 비지도 과제에서 비교했다.
관련 문서
DiffPool / 스펙트럼 군집화 / 그래프 라플라시안 / 최소 컷 / 군집화 / 그래프 신경망